def gen_donnees_valid():
"""
Génère les données de validation utilisées pour réaliser
l'expérience 1 constituées de paires d'images x,y telle que y
est le résultat de la rotation de x par chaque angle de -50 à
50 degrés et ce 2 fois, 0 exclu (on a donc 2 x 100 paires d'images).
"""
angles = np.arange(-MAX_ROT, MAX_ROT + 1.)
angles = np.delete(angles, MAX_ROT) # suppression de 0
# génération des paires d'images
imgs_x1, imgs_y1, imgs_x2, imgs_y2 = [], [], [], []
for ang in angles:
x1, y1 = uimg.get_paire_rot(TAILLE_IMG, ang)
x2, y2 = uimg.get_paire_rot(TAILLE_IMG, ang)
# mise sous forme vectorielle
imgs_x1.append(x1.reshape(-1))
imgs_y1.append(y1.reshape(-1))
imgs_x2.append(x2.reshape(-1))
imgs_y2.append(y2.reshape(-1))
# regroupement des données dans un dictionnaire
paires = {"x1" : np.array(imgs_x1), \
"y1" : np.array(imgs_y1),
"x2" : np.array(imgs_x2), \
"y2" : np.array(imgs_y2)}
# enregistrement dans un fichier npz
np.savez(NOM_REP_EXP + "/" + NOM_FICH_VALID, **paires)
def gen_donnees_train():
"""
Génère les données d'entraînement et les stocke dans un fichier.
"""
# génération uniformément aléatoire de NB_PAIRES_TRAIN angles
# allant de -MAX_ROT à MAX_ROT degrés
angles = np.floor(np.random.rand(NB_PAIRES_TRAIN) * MAX_ROT * 2 \
- MAX_ROT)
# transx = np.round(np.random.rand(NB_PAIRES_TRAIN) * 7. - 3.5)
# transy = np.round(np.random.rand(NB_PAIRES_TRAIN) * 7. - 3.5)
# génération des paires d'images
imgs_x, imgs_y = [], []
# for tx, ty in zip(transx, transy)
# x, y = uimg.get_paire_trans(TAILLE_IMG, tx, ty)
for ang in angles:
x, y = uimg.get_paire_rot(TAILLE_IMG, ang)
# mise sous forme vectorielle
imgs_x.append(x.reshape(-1))
imgs_y.append(y.reshape(-1))
# regroupement des données dans un dictionnaire
paires = {"x" : np.array(imgs_x), \
"y" : np.array(imgs_y)}
# enregistrement dans un fichier npz
np.savez(NOM_REP_EXP + "/" + NOM_FICH_TRAIN, **paires)
m = tf.get_collection("m")[0]
print("Modèle prêt. ")
sys.stdout.flush()
map_layers = []
for ang in range(-50, 51):
#~ if ang==0:
#~ continue
#~ #On ignore la rotation nulle
#Génération de 100 paires pour cet angle
cor_donnees_x = []
cor_donnees_y = []
for i in range(N_MOY):
x, y = uimg.get_paire_rot(IMG_SIZE, ang)
moy_x, std_x = x.mean(), x.std()
x = (x - moy_x) / std_x
y = (y - moy_x) / std_x
cor_donnees_x.append(x.reshape(-1))
cor_donnees_y.append(y.reshape(-1))
# calcul des valeurs des matrices factorielles de chaque paire
m_val = sess.run(m, \
feed_dict= { \
cor_x:np.array(cor_donnees_x).T, \
cor_y:np.array(cor_donnees_y).T})
#On moyenne sur chaque paire
map_layers.append(m_val.mean(1))
# print(map_layers[0])