訓練用データの作成

#はじめに
前回集めた画像データを使って、訓練用データを作成する。
画像データのままテンソルフローに渡すと計算時間がかかるため、numpyの配列形式に変換して計算時間を短縮する。

#ソースコード

##インポート

from PIL import Image
import os, glob
import numpy as np
from sklearn import model_selection

##変換処理準備

classes = ["monkey", "boar", "crow"]
num_classes = len(classes)
image_size = 50

X = []
Y = []

今回はmonkey, boar, crowの分類を行うため、そのキーワードを格納しておく。
画像サイズは50x50に統一する。
XとYはそれぞれ、画像データと、その画像がmonkey(0)・boar(1)・crow(2)のどれなのかを示すラベル。

for index, classlabel in enumerate(classes):
    photos_dir = "./" + classlabel
    files = glob.glob(photos_dir + "/*.jpg")
    for i, file in enumerate(files):
        if i >= 141: break # monkey,boar,crowそれぞれのデータ数の最小に合わせる
        image = Image.open(file)
        image = image.convert("RGB")
        image = image.resize((image_size, image_size))
        data = np.asarray(image)
        X.append(data)
        Y.append(index)
X = np.array(X)
Y = np.array(Y)

glob()はワイルドカードのパターン一致でファイル一覧を取得できるメソッドで、filesに以下のようなデータが格納させている。

['./monkey\\49757184328.jpg', 
 './monkey\\49767449258.jpg', 
 ...

各画像に対して、画像を開き、RGB 256階調形式に変換し、50x50にリサイズする処理を施す。
そのうえで、numpy配列形式(Pythonのリストよりも計算が早いらしい)に変換する。

こうしてできたXとYには以下のようなデータが入っている

X

(423, 50, 50, 3)の配列
[[[[ 89  92  60]
   [ 85  84  52]
   [ 91  84  51]
   ...
   [177 178  24]
   [142 145  15]
   [231 219  35]]
   ...

Y

423の配列
[0 0 ... 1 1 ... 2 2 ...]

###余談
data = np.asarray(image)とX = np.array(X)のように、numpy配列への変化に2種類のメソッドが用いられている。リストからnumpy配列に変換する際は同じ振る舞いとなるが、numpy配列からnumpy配列に変換する際に振る舞いが異なる。
参考：https://punhundon-lifeshift.com/array_asarray

##訓練用データの保存

train_test_splitメソッドを使ってXとYを、訓練用データとモデル検証用データに分割し、"animal.npy"というファイル名で保存する。

X_train, X_test, y_train, y_test = model_selection.train_test_split(X, Y)
xy = (X_train, X_test, y_train, y_test)
np.save("./animal.npy", xy)

X_trainとy_trainは317の配列に、
X_testとy_testは106の配列になっている。
すなわち、XとYの約75%のデータがtrainに、約25%のデータがtestに分割されている。