class DatasetManagement:
def __init__(self):
"""
Classe per gestire la copia dei dati da una forma
/dataset/class1/
/dataset/class1/test
To
/train/class1
test/class2
"""
#variabile dove si trova il dataset
self.data_dir = "/Users/Eric/Desktop/eric/Programmazione/python/DeepLearning/data/knifey-spoony"
#Url dove posso scaricare un dataset
self.data_url = "https://github.com/Hvass-Labs/knifey-spoony/raw/master/knifey-spoony.tar.gz"
#path della cartella di train
self.train_dir = os.path.join(self.data_dir, "train/")
#path della cartella di test
self.test_dir = os.path.join(self.data_dir, "test/")
#dimensione immagine
self.image_size = 200
#canali immagine
self.num_channels = 3
self.img_shape = [self.image_size, self.image_size, self.num_channels]
self.img_size_flat = self.image_size * self.image_size * self.num_channels
#numero di classi del dataset
self.num_classes = 3
self.download = Download()
def load(self):
pass
def execute(self):
#gestione caricamento dataset da internet o da locale
#scarica il dataset da internet se non è presente
self.download.maybe_downlaod_and_extract(url=self.data_url,
download_dir=self.data_dir)
# crea l'istanza del dataset
cache_path = os.path.join(self.data_dir, "knifey-spoony.pkl")
self.dataset = load_cached(cache_path=cache_path, in_dir=self.data_dir)
#divide i dati in test e train secondo le classi pronti per essere processati
self.dataset.copy_files(train_dir=self.train_dir,
test_dir=self.test_dir)
