ecs50_2dprepro.py

import numpy as np
from glob import glob
from keras.utils import to_categorical

file_list = glob("features/*.npy")

trainX = []
trainY = []
idx = 0
category_dict = {}
for filename in file_list:
    base = filename.split('.')[0].split('/')[1].lower()
    data = np.load(filename).T
    # her bir feature icin 6521'e 100 olacak
    # 6500'ye 20 olacak sekilde degistirelim
    surplus = data.shape[0] % 100
    data = data[:-surplus,:]
    data = np.reshape(data,[-1,100,1])
    # Sekil: 6500, 100, 1

    #### Onemli
    # Bu satir satir veriyi 2D CNN'e uygun hale getirmemiz gerekiyor
    # 6500'e 100'luk bir matrisi 100'e 100'luk 65 matris yapabilirsiniz.
    # Ama bu hem veri kumenizi kucultur. Hem de matrisler arasindaki
    # zamansal(temporal) iliskiyi kaybetmis olursunuz.""
    datax = []
    for i in np.arange(0,data.shape[0]-100,20):
        datax.append(data[i:i+100]) # Cozum ust uste binmis imgeler olusturmak
    datax = np.array(datax)
    ####
    
    trainX.append(datax)
    trainY.extend([idx]*datax.shape[0])
    category_dict[idx] = filename
    idx+=1