معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

data iterator for images contained in dataset files such as hdf5 or PIL readable files. Images can be contained in several files. Based on tensorflow.keras.preprocessing.image.Iterator

ویژگی	مقدار
سیستم عامل	-
نام فایل	dataset-iterator-0.2.9
نام	dataset-iterator
نسخه کتابخانه	0.2.9
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Jean Ollion
ایمیل نویسنده	jean.ollion@polytechnique.org
آدرس صفحه اصلی	https://github.com/jeanollion/dataset_iterator.git
آدرس اینترنتی	https://pypi.org/project/dataset-iterator/
مجوز	-

# Dataset Iterator This repo contains keras iterator classes for multi-channel (time-lapse) images contained in dataset files such as hdf5. ## Dataset structure: One dataset file can contain several sub-datasets (dataset_name0, dataset_name1, etc...), the iterator will iterate through all of them as if they were concatenated. . ├── ... ├── dataset_name0 │ ├── channel0 │ └── channel1 │ └── ... ├── dataset_name0 │ ├── channel0 │ └── channel1 │ └── ... └── ... Each dataset contain channels (channel0, channel1 ...) that must have same shape. All datasets must have the same number of channels, and shape (except batch size) must be equal among datasets. ## Groups There can be more folder level, for instance to have train and test sets in the same file: . ├── ... ├── experiment1 │ ├── train │ │ ├── raw │ │ └── labels │ └── test │ ├── raw │ └── labels ├── experiment2 │ ├── train │ │ ├── raw │ │ └── labels │ └── test │ ├── raw │ └── labels └── ... ```python train_it = MultiChannelIterator(dataset_file_path = file_path, channel_keywords = ["/raw", "/labels"], group_keyword="train") test_it = MultiChannelIterator(dataset_file_path = file_path, channel_keywords = ["/raw", "/labels"], group_keyword="test") ``` # Image formats - Those iterators are using an object of class `DatasetIO` to access the data. - There is currently an implementation of DatasetIO for .h5 files (`H5pyIO`), as well as dataset composed of multiple images files supported by PILLOW (`MultipleFileIO`). - one can also concatenate datasets from different files: - if a dataset is split into several files that contain the same channels: use `ConcatenateDatasetIO` - if a dataset contains channels in different files, use: `MultipleDatasetIO` # Demo See this notebook for a demo: [![](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/drive/1J-UPivwyNTpyLhOMfzhfG0pIl6gDD9I5)

زبان مورد نیاز

مقدار	نام
>=3	Python

نحوه نصب

نصب پکیج whl dataset-iterator-0.2.9:

pip install dataset-iterator-0.2.9.whl

نصب پکیج tar.gz dataset-iterator-0.2.9:

pip install dataset-iterator-0.2.9.tar.gz