Я обрабатываю свои изображения перед установкой нейронной сети в керасе. Я хотел бы посмотреть, как выглядят изображения после предварительной обработки, но перед тренировкой модели (поэтому я могу убедиться в правильности предварительной обработки). Команды ниже производят объект и сохраняют его в train_image_array_gen. Однако, когда я пытаюсь получить доступ к каждому из изображений, они сохраняются в виде многомерных пиксельных матриц. Как отобразить каждую из этих матриц пикселей визуально?
train_data_gen <- image_data_generator(
rescale = 1/255
)
#train_image_files_path is just a directory of training images
train_image_array_gen <- flow_images_from_directory(train_image_files_path,
train_data_gen,
target_size = c(100,100),
class_mode = "categorical",
classes = c('0', '1', '2'),
seed = 42, color_mode="grayscale")
print(train_image_array_gen[1])
#outputs array of pixels like so:
[[1]]
, , 1, 1
[,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9] [,10]
[1,] 0.2156863 0.2745098 0.3176471 0.3372549 0.3333333 0.3490196 0.3647059 0.3843138 0.3882353 0.3960785
[2,] 0.2509804 0.3254902 0.4078432 0.4039216 0.4117647 0.4196079 0.4274510 0.4313726 0.4352942 0.4352942
[3,] 0.1882353 0.1803922 0.2431373 0.2627451 0.2705882 0.2705882 0.2862745 0.2901961 0.2823530 0.2941177
[4,] 0.2588235 0.3568628 0.4431373 0.4313726 0.4431373 0.4313726 0.4549020 0.4862745 0.5882353 0.6392157
[5,] 0.2352941 0.2352941 0.2392157 0.2392157 0.2627451 0.2588235 0.2549020 0.2627451 0.2666667 0.2588235
[6,] 0.2980392 0.3137255 0.3764706 0.4078432 0.4235294 0.4392157 0.4470589 0.4627451 0.4705883 0.4862745
[7,] 0.2274510 0.2431373 0.2156863 0.2196079 0.2392157 0.2313726 0.2392157 0.2392157 0.2509804 0.2588235
[8,] 0.3254902 0.3019608 0.3215686 0.4627451 0.5686275 0.5921569 0.6117647 0.6274510 0.6470588 0.6470588
[9,] 0.3019608 0.2862745 0.2901961 0.3176471 0.3843138 0.3921569 0.3882353 0.4000000 0.4078432 0.4313726
[10,] 0.3215686 0.3215686 0.3254902 0.3098039 0.3058824 0.3176471 0.3215686 0.3294118 0.3372549 0.3411765
[,11] [,12] [,13] [,14] [,15] [,16] [,17] [,18] [,19] [,20]
[1,] 0.4117647 0.4117647 0.3803922 0.2666667 0.3725490 0.3490196 0.3294118 0.3607843 0.3882353 0.3843138
[2,] 0.4588236 0.4549020 0.4117647 0.4078432 0.4509804 0.4862745 0.4705883 0.4666667 0.4784314 0.4862745
[3,] 0.3019608 0.3137255 0.3137255 0.2980392 0.1960784 0.2745098 0.3137255 0.3176471 0.3019608 0.3058824
[4,] 0.6588235 0.6745098 0.6901961 0.5254902 0.6000000 0.6352941 0.6352941 0.6235294 0.6274510 0.6235294
[5,] 0.2862745 0.2823530 0.2745098 0.2784314 0.2470588 0.2313726 0.2627451 0.2745098 0.2745098 0.2627451
[6,] 0.5019608 0.5058824 0.5058824 0.4392157 0.3843138 0.4823530 0.5176471 0.5215687 0.5176471 0.5098040
[7,] 0.2784314 0.2745098 0.2666667 0.2627451 0.2705882 0.2392157 0.2509804 0.2745098 0.2823530 0.2705882
[8,] 0.6431373 0.6470588 0.6235294 0.5921569 0.6039216 0.5647059 0.5882353 0.6039216 0.6352941 0.6431373
[9,] 0.4392157 0.4470589 0.4392157 0.4313726 0.4549020 0.4352942 0.4392157 0.4313726 0.4352942 0.4352942
[10,] 0.3215686 0.3254902 0.3333333 0.3215686 0.2980392 0.3294118 0.3607843 0.3725490 0.3607843 0.3686275