Я надеюсь, что у вас все хорошо. Я пытался запустить приведенный ниже код. Я получаю эту ошибку "numpy.ndarray объект не имеет атрибута добавления". Я пытался использовать решение, рекомендованное в других вопросах, таких как numpy.append(), numpy.concatenate(), но решить проблему не смог.

from keras.applications import VGG16
from keras.applications import imagenet_utils
from keras.preprocessing.image import img_to_array
from keras.preprocessing.image import load_img
from sklearn.preprocessing import LabelEncoder
from hdf5datasetwriter import HDF5DatasetWriter
from imutils import paths
import progressbar
import argparse
import random
import numpy as np
import os


# construct the argument parser and parse the arguments

ap = argparse.ArgumentParser()
ap.add_argument("-d", "--dataset", required= True,
                help=" path to the input dataset ")
ap.add_argument("-o", "--output", required= True,
                help=" path to output HDF5 file ")
ap.add_argument("-b","--batch_size", type= int, default=32,
                help =" batch size of images to be passed through network ")
ap.add_argument("-s","--buffer_size", type =int, default=1000,
                help=" size of feature extraction buffer")

args= vars(ap.parse_args())

# store the batch size in a convenience variable
bs = args["batch_size"]

# grab the list of images that we will be describing then randomly shuffle them to
# allow for easy training and testing splits via array slicing during training time

print ("[INFO] loading images ...")
imagePaths= list(paths.list_images(args["dataset"]))
random.shuffle(imagePaths)

# extract the class labels from the images paths then encode the labels

labels = [p.split(os.path.sep)[-2] for p in imagePaths]
le= LabelEncoder()
labels= le.fit_transform(labels)

# load the VGG16 network

print("[INFO] loading network ...")

model= VGG16(weights="imagenet", include_top=False)

# initialize the HDF5 dataset writer then store the class label names in the
# dataset
dataset = HDF5DatasetWriter((len(imagePaths), 512*7*7), args["output"], dataKey="features",
                            bufSize= args["buffer_size"])
dataset.storeClassLabels(le.classes_)

# initialize the prograss bar
widgets = [" extracting features:", progressbar.Percentage(), " " , progressbar.Bar(),
           " " , progressbar.ETA()]
pbar= progressbar.ProgressBar(maxval=len(imagePaths), widgets= widgets ).start()

# loop over the image patches

for i in np.arange(0, len(imagePaths),bs):
    # extract the batch of images and labels, then initalize the
    # list of actualimages that will be passed through the network for feature
    # extraction

    batchPaths= imagePaths[i:i + bs]
    batchLabels = labels[i:i+bs]
    batchImages = []

    for (j, imagePath) in enumerate(batchPaths):
        # load the input image using the keras helper utility
        # while ensuring the image is resized to 224x224 pixels

        image = load_img(imagePath, target_size = (224,224))
        image = img_to_array(image)

        # preprocess the image by (1) expanding the dimensions and
        # (2) substracting the mean RGB pixel intensity from the imagenet dataset

        image = np.expand_dims(image, axis =0)
        #image = imagenet_utils.preprocess_input(image)

        # add the image to the batch
        batchImages.append(image)

        # pass the images through the network and use the outputs as our
        # actual featues

        batchImages = np.vstack(batchImages)
        features = model.predict(batchImages, batch_size = bs)

        # reshape the features so that each image is represented by a flattened feature vector of the maxPooling2D outputs
        features = features.reshape((features.shape[0], 512*7*7))
        # add the features and the labels to HDF5 dataset
        dataset.add(features, batchLabels)
        pbar.update(i)


dataset.close()
pbar.finish()

Я получаю это

enter image description here

Я хотел бы, чтобы вы помогли мне решить эту проблему. заранее всем спасибо

0
Mohamed Witti Adou 29 Июн 2019 в 07:44

3 ответа

Лучший ответ

Из документации:

Вы должны делать что-то вроде batchImages = np.append(batchImages, image), потому что «append» на самом деле не является определенной функцией для numpy массивов, о чем говорит сообщение об ошибке. Если вы хотите вставить что-то конкретное в массив, np.insert(batchImages, index, image) также работает.

0
tchainzzz 29 Июн 2019 в 04:56

Экземпляр массива Numpy не имеет функции добавления. Вызов

numpy.append(your_arr, value_to_append)

Которая является функцией класса.

0
Roshan 29 Июн 2019 в 06:24

Вы начинаете с

batchImages = []

Затем успешно добавьте в список

batchImages.append(image)

Затем в той же итерации вы создаете массив и присваиваете его той же переменной:

batchImages = np.vstack(batchImages)

На следующей итерации batchImages больше не является списком, поэтому append не работает!

Интересно, если vstack имеет неправильный отступ? Это должно произойти в j итерации или i?

Игнорируйте рекомендации по использованию np.append. Он не должен использоваться итеративно, и его трудно использовать правильно. Это просто грубая функция прикрытия для concatenate. vstack лучше.

0
hpaulj 29 Июн 2019 в 15:53