質問編集履歴
6
自己解決したかもしれない。
title
CHANGED
|
File without changes
|
body
CHANGED
|
@@ -381,4 +381,8 @@
|
|
|
381
381
|
回答を受けて、typeの値を出力しました、どうすれば良いのでしょうか・・・。
|
|
382
382
|
|
|
383
383
|
というか、冷静に見てみたらこれ、たぶんdiffの閾値の設定ミスですかね。
|
|
384
|
-
resizeする大きさを変えたから、閾値のバランスがずれたんですか。
|
|
384
|
+
resizeする大きさを変えたから、閾値のバランスがずれたんですか。
|
|
385
|
+
|
|
386
|
+
また、よく考えたらこれ、同じデータ使うわけだから、outdatalist作る必要ありませんね・・・
|
|
387
|
+
trainingdatalist回せばいいだけだし・・・。
|
|
388
|
+
training使うようにしたら今のところエラーはなくなり、数値も異なった値が出るようになりました。
|
5
気づいた事。たぶん正解。
title
CHANGED
|
File without changes
|
body
CHANGED
|
@@ -378,4 +378,7 @@
|
|
|
378
378
|
|
|
379
379
|
やはりどうやら、outimglistにappendするところで、きちんとappendできていない感じですかね、二重リストの使い方をまず学ぶべきか。
|
|
380
380
|
|
|
381
|
-
回答を受けて、typeの値を出力しました、どうすれば良いのでしょうか・・・。
|
|
381
|
+
回答を受けて、typeの値を出力しました、どうすれば良いのでしょうか・・・。
|
|
382
|
+
|
|
383
|
+
というか、冷静に見てみたらこれ、たぶんdiffの閾値の設定ミスですかね。
|
|
384
|
+
resizeする大きさを変えたから、閾値のバランスがずれたんですか。
|
4
補足しました。
title
CHANGED
|
File without changes
|
body
CHANGED
|
@@ -32,36 +32,16 @@
|
|
|
32
32
|
|
|
33
33
|
print("out_img" ,out_img[0][1])
|
|
34
34
|
print("out_img" ,out_img[0][2])
|
|
35
|
-
print("out_img" ,out_img[0][3])
|
|
36
|
-
print("out_img" ,out_img[1][1])
|
|
37
|
-
print("out_img" ,out_img[1][2])
|
|
38
|
-
print("out_img" ,out_img[1][3])
|
|
39
|
-
print("out_img" ,out_img[2][1])
|
|
40
|
-
print("out_img" ,out_img[2][2])
|
|
41
|
-
print("out_img" ,out_img[2][3])
|
|
42
|
-
print("out_img" ,out_img[3][1])
|
|
43
|
-
print("out_img" ,out_img[3][2])
|
|
44
|
-
print("out_img" ,out_img[3][3])
|
|
45
|
-
print("out_img" ,out_img[4][1])
|
|
46
|
-
print("out_img" ,out_img[4][2])
|
|
47
|
-
print("out_img" ,out_img[4][3])
|
|
48
|
-
print("out_img" ,out_img[5][1])
|
|
49
|
-
print("out_img" ,out_img[5][2])
|
|
50
35
|
print("out_img" ,out_img[5][3])
|
|
51
36
|
print("out_img" ,out_img[0])
|
|
52
|
-
print("out_img" ,out_img[1])
|
|
53
|
-
print("out_img" ,out_img[2])
|
|
54
|
-
print("out_img" ,out_img[3])
|
|
55
|
-
print("out_img" ,out_img[5])
|
|
56
|
-
print("out_img" ,out_img[6])
|
|
57
|
-
print("out_img" ,out_img[7])
|
|
58
|
-
print("out_img" ,out_img[8])
|
|
59
37
|
print("out_img" ,out_img[10])
|
|
60
38
|
print("out_img" ,out_img[11])
|
|
61
|
-
print("out_img" ,out_img[21])
|
|
62
|
-
print("out_img" ,out_img[31])
|
|
63
39
|
print("out_img" ,out_img[41])
|
|
64
40
|
print("len(out_img)" ,len(out_img))
|
|
41
|
+
print("type(img)" ,type(img))
|
|
42
|
+
print("type(out_img)" ,type(out_img))
|
|
43
|
+
print("type(out_img[0])" ,type(out_img[0]))
|
|
44
|
+
print("type(out_img[0][0])" ,type(out_img[0][0]))
|
|
65
45
|
|
|
66
46
|
plt.figure(figsize=(100,100))
|
|
67
47
|
|
|
@@ -93,6 +73,10 @@
|
|
|
93
73
|
for i in range(len(out_img)):
|
|
94
74
|
out_data_list[i].append(diff(extract(out_img[i], 1)) + diff(extract(out_img[i], 2)) + diff(extract(out_img[i], 0)))
|
|
95
75
|
|
|
76
|
+
print(type(extract(out_img[i], 1)))
|
|
77
|
+
print(type(diff(extract(out_img[i], 1))))
|
|
78
|
+
print(type(out_img[0][0]))
|
|
79
|
+
|
|
96
80
|
# 見本データに対しても同様に
|
|
97
81
|
# exについて同様に
|
|
98
82
|
training_data_list = []
|
|
@@ -210,7 +194,8 @@
|
|
|
210
194
|
pass
|
|
211
195
|
|
|
212
196
|
scoreboard_array = np.asarray(scoreboard)
|
|
213
|
-
print('performance: ', scoreboard_array.sum() / scoreboard_array.size)
|
|
197
|
+
print('performance: ', scoreboard_array.sum() / scoreboard_array.size)
|
|
198
|
+
```
|
|
214
199
|
|
|
215
200
|
```出力結果
|
|
216
201
|
Drive already mounted at /content/drive; to attempt to forcibly remount, call drive.mount("/content/drive", force_remount=True).
|
|
@@ -224,75 +209,98 @@
|
|
|
224
209
|
[252 255 255]
|
|
225
210
|
[252 255 255]
|
|
226
211
|
[252 255 255]]
|
|
227
|
-
out_img [[
|
|
212
|
+
out_img [[239 255 255]
|
|
228
|
-
[
|
|
213
|
+
[238 255 255]
|
|
229
|
-
[
|
|
214
|
+
[237 255 255]
|
|
230
|
-
[
|
|
215
|
+
[236 255 255]
|
|
231
|
-
[
|
|
216
|
+
[235 255 255]]
|
|
232
|
-
out_img [[
|
|
217
|
+
out_img [[[255 255 255]
|
|
233
|
-
|
|
218
|
+
[255 255 255]
|
|
234
|
-
|
|
219
|
+
[255 255 255]
|
|
235
|
-
|
|
220
|
+
[255 255 255]
|
|
236
|
-
|
|
221
|
+
[255 255 255]]
|
|
237
|
-
中略
|
|
238
|
-
out_img [[[237 253 255]
|
|
239
|
-
[238 253 255]
|
|
240
|
-
[238 253 255]
|
|
241
|
-
[239 253 255]
|
|
242
|
-
[239 253 254]]
|
|
243
222
|
|
|
244
|
-
[[
|
|
223
|
+
[[254 255 255]
|
|
245
|
-
[
|
|
224
|
+
[254 255 255]
|
|
246
|
-
[
|
|
225
|
+
[254 255 255]
|
|
247
|
-
[
|
|
226
|
+
[254 255 255]
|
|
248
|
-
[
|
|
227
|
+
[254 255 255]]
|
|
249
228
|
|
|
250
|
-
[[
|
|
229
|
+
[[252 255 255]
|
|
251
|
-
[221 247 254]
|
|
252
|
-
[
|
|
230
|
+
[252 255 255]
|
|
253
|
-
[
|
|
231
|
+
[252 255 255]
|
|
232
|
+
[252 255 255]
|
|
254
|
-
[
|
|
233
|
+
[252 255 255]]
|
|
255
234
|
|
|
256
|
-
[[
|
|
235
|
+
[[248 255 255]
|
|
257
|
-
[211 244 253]
|
|
258
|
-
[211 244 253]
|
|
259
|
-
[
|
|
236
|
+
[248 255 255]
|
|
237
|
+
[248 255 255]
|
|
238
|
+
[248 255 255]
|
|
260
|
-
[
|
|
239
|
+
[248 255 255]]
|
|
261
240
|
|
|
262
|
-
[[
|
|
241
|
+
[[243 255 255]
|
|
263
|
-
[
|
|
242
|
+
[243 255 255]
|
|
243
|
+
[243 255 255]
|
|
244
|
+
[243 255 255]
|
|
245
|
+
[243 255 255]]]
|
|
246
|
+
out_img [[[240 255 255]
|
|
247
|
+
[238 252 255]
|
|
264
|
-
[
|
|
248
|
+
[234 245 255]
|
|
265
|
-
[201 241 252]
|
|
266
|
-
[202 241 252]]]
|
|
267
|
-
out_img [[[183 194 213]
|
|
268
|
-
[158 166 186]
|
|
269
|
-
[
|
|
249
|
+
[226 235 254]
|
|
270
|
-
[ 99 102 121]
|
|
271
|
-
[
|
|
250
|
+
[213 219 242]]
|
|
272
251
|
|
|
252
|
+
[[239 255 255]
|
|
273
|
-
|
|
253
|
+
[237 252 255]
|
|
274
|
-
[
|
|
254
|
+
[233 244 255]
|
|
275
|
-
[
|
|
255
|
+
[225 234 254]
|
|
276
|
-
[ 95 101 118]
|
|
277
|
-
[
|
|
256
|
+
[212 219 241]]
|
|
278
257
|
|
|
279
|
-
[[
|
|
258
|
+
[[238 254 255]
|
|
280
|
-
[
|
|
259
|
+
[236 251 255]
|
|
260
|
+
[232 244 255]
|
|
281
|
-
[
|
|
261
|
+
[224 234 253]
|
|
282
|
-
[ 90 100 115]
|
|
283
|
-
[
|
|
262
|
+
[211 218 240]]
|
|
284
263
|
|
|
285
|
-
[[
|
|
264
|
+
[[236 253 255]
|
|
286
|
-
[143 162 177]
|
|
287
|
-
[
|
|
265
|
+
[234 250 255]
|
|
288
|
-
[
|
|
266
|
+
[230 243 255]
|
|
267
|
+
[222 233 252]
|
|
289
|
-
[
|
|
268
|
+
[209 217 239]]
|
|
290
269
|
|
|
270
|
+
[[233 251 255]
|
|
271
|
+
[231 248 255]
|
|
272
|
+
[227 241 255]
|
|
291
|
-
|
|
273
|
+
[219 231 250]
|
|
274
|
+
[206 216 237]]]
|
|
275
|
+
out_img [[[192 198 219]
|
|
292
|
-
[
|
|
276
|
+
[166 169 192]
|
|
293
|
-
[
|
|
277
|
+
[135 138 160]
|
|
294
|
-
[
|
|
278
|
+
[104 104 126]
|
|
295
|
-
[
|
|
279
|
+
[ 72 71 93]]
|
|
280
|
+
|
|
281
|
+
[[191 198 219]
|
|
282
|
+
[166 169 192]
|
|
283
|
+
[135 137 159]
|
|
284
|
+
[104 104 126]
|
|
285
|
+
[ 72 71 92]]
|
|
286
|
+
|
|
287
|
+
[[190 197 218]
|
|
288
|
+
[165 169 191]
|
|
289
|
+
[134 137 159]
|
|
290
|
+
[103 104 125]
|
|
291
|
+
[ 72 71 92]]
|
|
292
|
+
|
|
293
|
+
[[188 196 217]
|
|
294
|
+
[163 168 190]
|
|
295
|
+
[133 137 158]
|
|
296
|
+
[102 103 124]
|
|
297
|
+
[ 71 71 91]]
|
|
298
|
+
|
|
299
|
+
[[186 195 215]
|
|
300
|
+
[161 167 188]
|
|
301
|
+
[131 136 156]
|
|
302
|
+
[101 103 123]
|
|
303
|
+
[ 70 71 90]]]
|
|
296
304
|
out_img [[[185 235 251]
|
|
297
305
|
[186 236 252]
|
|
298
306
|
[187 236 251]
|
|
@@ -322,7 +330,20 @@
|
|
|
322
330
|
[132 215 245]
|
|
323
331
|
[134 215 244]
|
|
324
332
|
[138 216 243]]]
|
|
333
|
+
len(out_img) 400
|
|
334
|
+
type(img) <class 'numpy.ndarray'>
|
|
335
|
+
type(out_img) <class 'list'>
|
|
336
|
+
type(out_img[0]) <class 'numpy.ndarray'>
|
|
337
|
+
type(out_img[0][0]) <class 'numpy.ndarray'>
|
|
338
|
+
<class 'numpy.ndarray'>
|
|
339
|
+
<class 'list'>
|
|
340
|
+
<class 'numpy.ndarray'>
|
|
341
|
+
training_data_list [[0, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5]
|
|
325
342
|
中略
|
|
343
|
+
[399, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5]]
|
|
344
|
+
training_data_list[1:] [[1, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5]
|
|
345
|
+
中略
|
|
346
|
+
[399, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5]]
|
|
326
347
|
len(training_data_list) 400
|
|
327
348
|
len(out_data_list[0]) 401
|
|
328
349
|
out_data_list[0][0] 0
|
|
@@ -333,31 +354,28 @@
|
|
|
333
354
|
len(out_data_list[1:]) 399
|
|
334
355
|
out_data_list[0][1:] [[5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5]
|
|
335
356
|
中略
|
|
336
|
-
[5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5]]
|
|
357
|
+
[5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5]]
|
|
337
358
|
#epoch 0
|
|
338
359
|
train: 0 / 400
|
|
339
360
|
中略
|
|
340
361
|
#epoch 49
|
|
341
362
|
train: 0 / 400
|
|
342
|
-
plabel
|
|
363
|
+
plabel 97600
|
|
343
|
-
中略
|
|
364
|
+
中略
|
|
344
|
-
plabel
|
|
365
|
+
plabel 97600
|
|
345
366
|
performance: nan
|
|
346
|
-
/usr/local/lib/python3.7/dist-packages/ipykernel_launcher.py:
|
|
367
|
+
/usr/local/lib/python3.7/dist-packages/ipykernel_launcher.py:193: RuntimeWarning: invalid value encountered in double_scalars
|
|
347
368
|
```
|
|
348
369
|
|
|
349
370
|
GoogleColaboratoryで、
|
|
350
371
|
rei.jpegを複数個の画像に分割して、１個ずつ、全てとNNして、類似画像を見つけ出すプログラムです、
|
|
351
|
-
が、全部158400となる、つまり、たぶん、どの画像も１４８８００番目の画像と近い？
|
|
352
|
-
ということになっているのか、
|
|
353
|
-
|
|
372
|
+
が、全部大きな桁で、同じ値になる、大きな値になるが、そもそもそんな多数生成してないはず、
|
|
354
373
|
また、
|
|
355
374
|
out_data_list = [[0]] * len(out_img)
|
|
356
375
|
for i in range(len(out_img)):
|
|
357
376
|
out_data_list[i].append(diff(extract(out_img[i], 1)) + diff(extract(out_img[i], 2)) + diff(extract(out_img[i], 0)))
|
|
358
|
-
の部分とテスト部分をforにする前（地道に変数out_data_list1[]とかで置いていた）時は、出力値は3桁で、しかも差がありました、
|
|
377
|
+
の部分とテスト部分をforにする前（地道に変数out_data_list1[]とかで置いていた）時は、出力値は3桁で、しかも差がありました、同じになるのはおかしい。
|
|
359
378
|
|
|
360
|
-
|
|
379
|
+
やはりどうやら、outimglistにappendするところで、きちんとappendできていない感じですかね、二重リストの使い方をまず学ぶべきか。
|
|
361
|
-
どこがおかしいのでしょうか・・・。
|
|
362
380
|
|
|
363
|
-
|
|
381
|
+
回答を受けて、typeの値を出力しました、どうすれば良いのでしょうか・・・。
|
3
title
CHANGED
|
File without changes
|
body
CHANGED
|
@@ -358,4 +358,6 @@
|
|
|
358
358
|
の部分とテスト部分をforにする前（地道に変数out_data_list1[]とかで置いていた）時は、出力値は3桁で、しかも差がありました、
|
|
359
359
|
|
|
360
360
|
実際にout_img[i][j]の各値は、出力に表示したように、各値で異なります、これに対応するように、異なった数値が出力されるようにしたいのですが・・・
|
|
361
|
-
どこがおかしいのでしょうか・・・。
|
|
361
|
+
どこがおかしいのでしょうか・・・。
|
|
362
|
+
|
|
363
|
+
やはりどうやら、outimglistにappendするところで、きちんとappendできていない感じですかね、二重リストの使い方をまず学ぶべきか。。
|
2
title
CHANGED
|
File without changes
|
body
CHANGED
|
@@ -22,6 +22,14 @@
|
|
|
22
22
|
|
|
23
23
|
plt.imshow(img)
|
|
24
24
|
|
|
25
|
+
size = 5
|
|
26
|
+
|
|
27
|
+
v_split = img.shape[0] // size
|
|
28
|
+
h_split = img.shape[1] // size
|
|
29
|
+
out_img = []
|
|
30
|
+
[out_img.extend(np.hsplit(h_img, h_split))
|
|
31
|
+
for h_img in np.vsplit(img, v_split)]
|
|
32
|
+
|
|
25
33
|
print("out_img" ,out_img[0][1])
|
|
26
34
|
print("out_img" ,out_img[0][2])
|
|
27
35
|
print("out_img" ,out_img[0][3])
|
|
@@ -53,15 +61,6 @@
|
|
|
53
61
|
print("out_img" ,out_img[21])
|
|
54
62
|
print("out_img" ,out_img[31])
|
|
55
63
|
print("out_img" ,out_img[41])
|
|
56
|
-
|
|
57
|
-
size = 5
|
|
58
|
-
|
|
59
|
-
v_split = img.shape[0] // size
|
|
60
|
-
h_split = img.shape[1] // size
|
|
61
|
-
out_img = []
|
|
62
|
-
[out_img.extend(np.hsplit(h_img, h_split))
|
|
63
|
-
for h_img in np.vsplit(img, v_split)]
|
|
64
|
-
|
|
65
64
|
print("len(out_img)" ,len(out_img))
|
|
66
65
|
|
|
67
66
|
plt.figure(figsize=(100,100))
|
1
更に詳しく書きました。
title
CHANGED
|
@@ -1,1 +1,1 @@
|
|
|
1
|
-
画像
|
|
1
|
+
画像のRGBから抽出した値は、画像が全て異なるため全て当然異なるのに、出力数値が全て等しいのはなぜ
|
body
CHANGED
|
@@ -1,5 +1,5 @@
|
|
|
1
1
|
|
|
2
|
-
これが
|
|
2
|
+
これがrei.jpegです。
|
|
3
3
|
|
|
4
4
|
```python
|
|
5
5
|
from google.colab import drive
|
|
@@ -22,6 +22,38 @@
|
|
|
22
22
|
|
|
23
23
|
plt.imshow(img)
|
|
24
24
|
|
|
25
|
+
print("out_img" ,out_img[0][1])
|
|
26
|
+
print("out_img" ,out_img[0][2])
|
|
27
|
+
print("out_img" ,out_img[0][3])
|
|
28
|
+
print("out_img" ,out_img[1][1])
|
|
29
|
+
print("out_img" ,out_img[1][2])
|
|
30
|
+
print("out_img" ,out_img[1][3])
|
|
31
|
+
print("out_img" ,out_img[2][1])
|
|
32
|
+
print("out_img" ,out_img[2][2])
|
|
33
|
+
print("out_img" ,out_img[2][3])
|
|
34
|
+
print("out_img" ,out_img[3][1])
|
|
35
|
+
print("out_img" ,out_img[3][2])
|
|
36
|
+
print("out_img" ,out_img[3][3])
|
|
37
|
+
print("out_img" ,out_img[4][1])
|
|
38
|
+
print("out_img" ,out_img[4][2])
|
|
39
|
+
print("out_img" ,out_img[4][3])
|
|
40
|
+
print("out_img" ,out_img[5][1])
|
|
41
|
+
print("out_img" ,out_img[5][2])
|
|
42
|
+
print("out_img" ,out_img[5][3])
|
|
43
|
+
print("out_img" ,out_img[0])
|
|
44
|
+
print("out_img" ,out_img[1])
|
|
45
|
+
print("out_img" ,out_img[2])
|
|
46
|
+
print("out_img" ,out_img[3])
|
|
47
|
+
print("out_img" ,out_img[5])
|
|
48
|
+
print("out_img" ,out_img[6])
|
|
49
|
+
print("out_img" ,out_img[7])
|
|
50
|
+
print("out_img" ,out_img[8])
|
|
51
|
+
print("out_img" ,out_img[10])
|
|
52
|
+
print("out_img" ,out_img[11])
|
|
53
|
+
print("out_img" ,out_img[21])
|
|
54
|
+
print("out_img" ,out_img[31])
|
|
55
|
+
print("out_img" ,out_img[41])
|
|
56
|
+
|
|
25
57
|
size = 5
|
|
26
58
|
|
|
27
59
|
v_split = img.shape[0] // size
|
|
@@ -179,15 +211,119 @@
|
|
|
179
211
|
pass
|
|
180
212
|
|
|
181
213
|
scoreboard_array = np.asarray(scoreboard)
|
|
182
|
-
print('performance: ', scoreboard_array.sum() / scoreboard_array.size)
|
|
214
|
+
print('performance: ', scoreboard_array.sum() / scoreboard_array.size)```
|
|
183
|
-
```
|
|
184
215
|
|
|
185
216
|
```出力結果
|
|
186
|
-
|
|
217
|
+
Drive already mounted at /content/drive; to attempt to forcibly remount, call drive.mount("/content/drive", force_remount=True).
|
|
187
|
-
|
|
218
|
+
out_img [[254 255 255]
|
|
219
|
+
[254 255 255]
|
|
220
|
+
[254 255 255]
|
|
221
|
+
[254 255 255]
|
|
222
|
+
[254 255 255]]
|
|
188
|
-
|
|
223
|
+
out_img [[252 255 255]
|
|
224
|
+
[252 255 255]
|
|
225
|
+
[252 255 255]
|
|
226
|
+
[252 255 255]
|
|
227
|
+
[252 255 255]]
|
|
228
|
+
out_img [[248 255 255]
|
|
229
|
+
[248 255 255]
|
|
230
|
+
[248 255 255]
|
|
231
|
+
[248 255 255]
|
|
232
|
+
[248 255 255]]
|
|
233
|
+
out_img [[254 255 255]
|
|
234
|
+
[255 255 255]
|
|
235
|
+
[255 255 255]
|
|
236
|
+
[255 255 255]
|
|
237
|
+
[255 255 255]]
|
|
189
238
|
中略
|
|
190
|
-
[
|
|
239
|
+
out_img [[[237 253 255]
|
|
240
|
+
[238 253 255]
|
|
241
|
+
[238 253 255]
|
|
242
|
+
[239 253 255]
|
|
243
|
+
[239 253 254]]
|
|
244
|
+
|
|
245
|
+
[[229 250 254]
|
|
246
|
+
[230 250 254]
|
|
247
|
+
[231 251 254]
|
|
248
|
+
[232 251 254]
|
|
249
|
+
[232 251 254]]
|
|
250
|
+
|
|
251
|
+
[[220 247 254]
|
|
252
|
+
[221 247 254]
|
|
253
|
+
[222 248 254]
|
|
254
|
+
[223 248 253]
|
|
255
|
+
[224 248 253]]
|
|
256
|
+
|
|
257
|
+
[[210 244 253]
|
|
258
|
+
[211 244 253]
|
|
259
|
+
[211 244 253]
|
|
260
|
+
[213 245 253]
|
|
261
|
+
[214 245 253]]
|
|
262
|
+
|
|
263
|
+
[[198 239 252]
|
|
264
|
+
[199 240 253]
|
|
265
|
+
[200 241 252]
|
|
266
|
+
[201 241 252]
|
|
267
|
+
[202 241 252]]]
|
|
268
|
+
out_img [[[183 194 213]
|
|
269
|
+
[158 166 186]
|
|
270
|
+
[128 135 154]
|
|
271
|
+
[ 99 102 121]
|
|
272
|
+
[ 68 70 88]]
|
|
273
|
+
|
|
274
|
+
[[178 192 211]
|
|
275
|
+
[154 165 183]
|
|
276
|
+
[125 134 151]
|
|
277
|
+
[ 95 101 118]
|
|
278
|
+
[ 65 69 85]]
|
|
279
|
+
|
|
280
|
+
[[173 191 208]
|
|
281
|
+
[149 163 180]
|
|
282
|
+
[120 132 148]
|
|
283
|
+
[ 90 100 115]
|
|
284
|
+
[ 61 68 81]]
|
|
285
|
+
|
|
286
|
+
[[167 189 204]
|
|
287
|
+
[143 162 177]
|
|
288
|
+
[114 131 144]
|
|
289
|
+
[ 85 98 111]
|
|
290
|
+
[ 56 66 77]]
|
|
291
|
+
|
|
292
|
+
[[161 187 200]
|
|
293
|
+
[137 159 172]
|
|
294
|
+
[109 129 140]
|
|
295
|
+
[ 80 97 106]
|
|
296
|
+
[ 52 65 73]]]
|
|
297
|
+
out_img [[[185 235 251]
|
|
298
|
+
[186 236 252]
|
|
299
|
+
[187 236 251]
|
|
300
|
+
[188 236 251]
|
|
301
|
+
[190 237 251]]
|
|
302
|
+
|
|
303
|
+
[[171 230 251]
|
|
304
|
+
[172 231 251]
|
|
305
|
+
[173 231 250]
|
|
306
|
+
[175 232 250]
|
|
307
|
+
[177 232 249]]
|
|
308
|
+
|
|
309
|
+
[[157 224 249]
|
|
310
|
+
[158 225 250]
|
|
311
|
+
[159 226 249]
|
|
312
|
+
[161 226 248]
|
|
313
|
+
[164 227 247]]
|
|
314
|
+
|
|
315
|
+
[[143 219 248]
|
|
316
|
+
[144 220 248]
|
|
317
|
+
[146 221 247]
|
|
318
|
+
[148 221 246]
|
|
319
|
+
[151 222 245]]
|
|
320
|
+
|
|
321
|
+
[[129 213 247]
|
|
322
|
+
[130 214 246]
|
|
323
|
+
[132 215 245]
|
|
324
|
+
[134 215 244]
|
|
325
|
+
[138 216 243]]]
|
|
326
|
+
中略
|
|
191
327
|
len(training_data_list) 400
|
|
192
328
|
len(out_data_list[0]) 401
|
|
193
329
|
out_data_list[0][0] 0
|
|
@@ -196,29 +332,31 @@
|
|
|
196
332
|
out_data_list[0][1] [5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5]
|
|
197
333
|
out_data_list[1][1] [5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5]
|
|
198
334
|
len(out_data_list[1:]) 399
|
|
199
|
-
out_data_list[0][1:] [[5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5]
|
|
335
|
+
out_data_list[0][1:] [[5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5]
|
|
200
336
|
中略
|
|
201
|
-
|
|
337
|
+
[5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5, 5]]
|
|
202
338
|
#epoch 0
|
|
203
339
|
train: 0 / 400
|
|
204
340
|
中略
|
|
205
341
|
#epoch 49
|
|
206
342
|
train: 0 / 400
|
|
207
|
-
plabel
|
|
343
|
+
plabel 158400
|
|
208
|
-
中略
|
|
344
|
+
中略（全て158400）
|
|
209
|
-
plabel
|
|
345
|
+
plabel 158400
|
|
210
|
-
|
|
211
346
|
performance: nan
|
|
212
|
-
/usr/local/lib/python3.7/dist-packages/ipykernel_launcher.py:
|
|
347
|
+
/usr/local/lib/python3.7/dist-packages/ipykernel_launcher.py:210: RuntimeWarning: invalid value encountered in double_scalars
|
|
213
348
|
```
|
|
214
349
|
|
|
215
350
|
GoogleColaboratoryで、
|
|
216
351
|
rei.jpegを複数個の画像に分割して、１個ずつ、全てとNNして、類似画像を見つけ出すプログラムです、
|
|
217
|
-
が、全部
|
|
352
|
+
が、全部158400となる、つまり、たぶん、どの画像も１４８８００番目の画像と近い？
|
|
218
353
|
ということになっているのか、
|
|
219
|
-
しかし、
|
|
354
|
+
しかし、158400は大きすぎます、そんな多数生成してないはず、
|
|
220
355
|
また、
|
|
221
356
|
out_data_list = [[0]] * len(out_img)
|
|
222
357
|
for i in range(len(out_img)):
|
|
223
358
|
out_data_list[i].append(diff(extract(out_img[i], 1)) + diff(extract(out_img[i], 2)) + diff(extract(out_img[i], 0)))
|
|
224
|
-
の部分とテスト部分をforにする前（地道に変数out_data_list1[]とかで置いていた）時は、出力値は3桁で、しかも差がありました、
|
|
359
|
+
の部分とテスト部分をforにする前（地道に変数out_data_list1[]とかで置いていた）時は、出力値は3桁で、しかも差がありました、
|
|
360
|
+
|
|
361
|
+
実際にout_img[i][j]の各値は、出力に表示したように、各値で異なります、これに対応するように、異なった数値が出力されるようにしたいのですが・・・
|
|
362
|
+
どこがおかしいのでしょうか・・・。
|