全连接神经网络全连接神经网络
全连接神经网络
product_data.py
多分类只要稍加修改即可,本人已完善,有空再上传
import cv2
import numpy as np
import xlrd
a=np.array([0,0,0,0,0,0,0])
b=np.array([100,100,100,100,100,100,100])
#cv2.imwrite("filename.png", a)
#cv2.imwrite("filename002.png", b)
# 打开文件
data = xlrd.open_workbook('test.xlsx')
# 查看工作表
data.sheet_names()
print("sheets:" + str(data.sheet_names()))
# 通过文件名获得工作表,获取工作表1
table = data.sheet_by_name('Sheet1')
# 打印data.sheet_names()可发现,返回的值为一个列表,通过对列表索引操作获得工作表1
# table = data.sheet_by_index(0)
# 获取行数和列数
# 行数:table.nrows
# 列数:table.ncols
print("总行数:" + str(table.nrows))
print("总列数:" + str(table.ncols))
# 获取整行的值 和整列的值,返回的结果为数组
# 整行值:table.row_values(start,end)
# 整列值:table.col_values(start,end)
# 参数 start 为从第几个开始打印,
# end为打印到那个位置结束,默认为none
for rows_num in range(table.nrows):
single_data=np.array(table.row_values(rows_num))
cv2.imwrite("%d.png" %rows_num, single_data)
print(table.row_values(rows_num))
#print("整列值:" + str(table.col_values(1)))
# 获取某个单元格的值,例如获取B3单元格值
#cel_B3 = table.cell(3,2).value
#print("第三行第二列的值:" + cel_B3)
split_data.py
import os
import random
import shutil
def makedir(new_dir):
if not os.path.exists(new_dir):
os.makedirs(new_dir)
if __name__ == '__main__':
random.seed(1)
dataset_dir = os.path.join(".", "data")
split_dir = os.path.join(".", "data")
train_dir = os.path.join(split_dir, "train")
valid_dir = os.path.join(split_dir, "valid")
test_dir = os.path.join(split_dir, "test")
train_pct = 0.8
valid_pct = 0.1