【2021-4-2】手动码出AlexNet（1）数据通道类

以前没发过优快云，这里跟大家主要分享一下我自己做深度学习的
四法五步架构方法。
四法：也就是四个必要的方法
即 数据通道模块、网络架构模块、预测模块、学习模块
五步：也就是从架构模型到训练结果的五个步骤
即 数据收集、数据强化、数据池构建、数据池更新、数据训练

我所有的网络架构都是这么搞的，逻辑很清晰。当你想添加一些其他的数据处理方法，例如维度变换、语义上下文分析，或者把深度学习架到其他算法中，你会发现我的这种架构很好用，还方便。

之前经常来回调包。用人家的东西，这次正好学校有这个机会，网络又比较简单，就自己用tf1里面最基础的运算码了一下午，搞出来了这个AlexNet。
勤动手很重要的，改错、调整的过程，都是很宝贵的学习过程，就这样。

import numpy as np
import cv2
'''
实现一个数据管道类，从文件中读取图像流数据
参数：
self.category：数据通道所属类别，指定了文件路径，对于每一种类的图片，设置不同路径。
self.RF_pool：强化池最大数量。
方法：
A.数据强化：指定图像路径，加载图像，对图像进行加噪点、翻转等强化，放入强化池。
B.取数据：从强化池中取定量数据。可以规定取数据的数量。
'''
class Data_Channel():
    def __init__(self, category, pool_size):
        self.CG = category
        self.CG_path_list = {"cloudy":"./IEEE-weather_classification/cloudy/", "haze":"./IEEE-weather_classification/haze/",
                        "rainy":"./IEEE-weather_classification/rainy/", "snow":"./IEEE-weather_classification/snow/",
                        "sunny":"./IEEE-weather_classification/sunny/", "thunder":"./IEEE-weather_classification/thunder/"}
        self.PS = pool_size
        self.PATH = self.CG_path_list[self.CG]
        self.RF_pool = np.empty(shape=[self.PS, 227, 227, 3])

    def Renew_dataset(self):
        for m in range(self.PS):
            index = np.random.randint(1,9999)
            path_now = self.PATH + self.CG + "_" + str(index).zfill(5) + ".jpg"
            img = cv2.imread(path_now)
            #RFImge = self.Img_reinforce(img)
            ResizeImg = cv2.resize(img, (227, 227))
            self.RF_pool[m] = ResizeImg

    def Img_reinforce(self, img):
        change_odd = np.random.randint(0, 8)
        if (change_odd <= 2):
            Last_img = self.random_light(img)
        elif (change_odd <= 4):
            Last_img = self.rotate(img)
        elif (change_odd <= 6):
            Last_img = self.add_noise(img)
        else:
            Last_img = self.flip_image(img)
        return Last_img

    def flip_image(self, img):
        flipped_img = np.fliplr(img)
        return (flipped_img)

    def add_noise(self, img):
        sp = img.shape
        HEIGHT = sp[0]
        WIDTH = sp[1]
        for i in range(100):
            x = np.random.randint(0, HEIGHT)
            y = np.random.randint(0, WIDTH)
            img[x, y, :] = 255
        return (img)

    def rotate(self, image):
        (h, w) = image.shape[:2]
        center = (w / 2, h / 2)
        angle = np.random.randint(-60, 60)
        scale = np.random.randint(150, 250)
        scale /= 100
        M = cv2.getRotationMatrix2D(center, angle, scale)
        rotated = cv2.warpAffine(image, M, (w, h))
        return rotated

    def random_light(self, img):
        lgt_opp = np.random.randint(-50, 10)
        lgt_opp /= 100
        sp = img.shape
        HEIGHT = sp[0]
        WIDTH = sp[1]
        for xi in range(0, WIDTH):
            for xj in range(0, HEIGHT):
                img[xj, xi, 0] = int(img[xj, xi, 0] * (1 + lgt_opp))
                img[xj, xi, 1] = int(img[xj, xi, 0] * (1 + lgt_opp))
                img[xj, xi, 2] = int(img[xj, xi, 0] * (1 + lgt_opp))
        return (img)

if __name__ == "__main__":
    DC1 = Data_Channel(category="snow", pool_size=10)
    DC1.Renew_dataset()
    print(DC1.RF_pool)

在这里插入代码片