文章目录
- 一、初步实现
- 二、警告信息的解决
- 三、Excel的限制
- 四、尝试解决
一、初步实现
要遍历文件夹中的图像并将其尺寸调整为28x28，并将结果输出到Excel中，可以按照以下步骤进行操作：
首先，确保您已经安装了Pandas库，用于处理Excel文件。可以使用以下命令安装它：
pip install pandas
然后，使用以下代码来遍历文件夹中的图像、调整尺寸并输出到Excel中：
import os
import torch
import clip
from PIL import Image
import pandas as pd
# 加载预训练的CLIP模型
device = "cuda" if torch.cuda.is_available() else "cpu"
model, preprocess = clip.load("ViT-B/32", device=device)
# 图像文件夹路径
folder_path = '/path/to/folder' # 将此路径替换为图像文件夹的实际路径
# 创建空DataFrame用于存储图像特征
df = pd.DataFrame()
# 遍历图像文件夹
for filename in os.listdir(folder_path):
if filename.endswith('.jpg') or filename.endswith('.png'): # 仅处理.jpg和.png格式的图像文件
image_path = os.path.join(folder_path, filename)
# 加载和预处理图像
image = Image.open(image_path).convert('RGB')
image_resized = image.resize((28, 28))
image_input = preprocess(image_resized).unsqueeze(0).to(device)
# 图像编码
with torch.no_grad():
image_features = model.encode_image(image_input)
# 将图像特征添加到DataFrame中
image_features_list = image_features.squeeze().tolist()
df[filename] = image_features_list
# 在DataFrame的最后一列添加全为0的标记列
df['label'] = 0
# 将DataFrame保存到Excel文件
output_path = '/path/to/output.xlsx' # 将此路径替换为输出Excel文件的实际路径
df.to_excel(output_path, index=False)
请将代码中的/path/to/folder替换为包含图像文件的文件夹的实际路径，并将/path/to/output.xlsx替换为您想要保存输出Excel文件的实际路径。
这段代码会遍历指定的图像文件夹中的图像文件（仅处理.jpg和.png格式的文件），将图像尺寸调整为28x28，然后使用CLIP模型对图像进行编码，并将结果存储在一个DataFrame中。最后，将DataFrame保存为Excel文件，其中最后一列的值都标记为0。
但是代码运行过程中，频繁报错：
报错的错误类型为：
/home/wangzhenkuan/CLIP_image_encoder.py:33: PerformanceWarning: DataFrame is highly fragmented. This is usually the result of calling `frame.insert` many times, which has poor performance. Consider joining all columns at once using pd.concat(axis=1) instead. To get a de-fragmented frame, use `newframe = frame.copy()`
df[filename] = image_features_list
/home/wangzhenkuan/CLIP_image_encoder.py:33: PerformanceWarning: DataFrame is highly fragmented. This is usually the result of calling `frame.insert` many times, which has poor performance. Consider joining all columns at once using pd.concat(axis=1) instead. To get a de-fragmented frame, use `newframe = frame.copy()`
df[filename] = image_features_list
/home/wangzhenkuan/CLIP_image_encoder.py:33: PerformanceWarning: DataFrame is highly fragmented. This is usually the result of calling `frame.insert` many times, which has poor performance. Consider joining all columns at once using pd.concat(axis=1) instead. To get a de-fragmented frame, use `newframe = frame.copy()`
df[filename] = image_features_list
/home/wangzhenkuan/CLIP_image_encoder.py:33: PerformanceWarning: DataFrame is highly fragmented. This is usually the result of calling `frame.insert` many times, which has poor performance. Consider joining all columns at once using pd.concat(axis=1) instead. To get a de-fragmented frame, use `newframe = frame.copy()`
df[filename] = image_features_list
二、警告信息的解决
警告信息表明DataFrame的性能受到了碎片化的影响，这是由于多次调用frame.insert导致的。为了避免这个性能问题，可以使用pd.concat(axis=1)一次性将所有列连接起来。
以下是修改后的代码，使用pd.concat来连接所有特征列：
import os
import torch
import clip
from PIL import Image
import pandas as pd
# 加载预训练的CLIP模型
device = "cuda" if torch.cuda.is_available() else "cpu"
model, preprocess = clip.load("ViT-B/32", device=device)
# 图像文件夹路径
folder_path = 'segment-anything-main/notebooks/output/' # 将此路径替换为图像文件夹的实际路径
# 创建空DataFrame用于存储图像特征
df = pd.DataFrame()
# 创建空列表用于存储图像特征
feature_list = []
# 遍历图像文件夹
for filename in os.listdir(folder_path):
if filename.endswith('.jpg') or filename.endswith('.png'): # 仅处理.jpg和.png格式的图像文件
image_path = os.path.join(folder_path, filename)
# 加载和预处理图像
image = Image.open(image_path).convert('RGB')
image_resized = image.resize((28, 28))
image_input = preprocess(image_resized).unsqueeze(0).to(device)
# 图像编码
with torch.no_grad():
image_features = model.encode_image(image_input)
# 将图像特征添加到列表中
image_features_list = image_features.squeeze().tolist()
feature_list.append(image_features_list)
# 使用pd.concat(axis=1)将所有特征列连接起来
df = pd.DataFrame(feature_list).T
# 在DataFrame的最后一列添加全为0的标记列
df['label'] = 0
# 将DataFrame保存到Excel文件
output_path = 'output_negtive.xlsx' # 将此路径替换为输出Excel文件的实际路径
df.to_excel(output_path, index=False)
这样修改后的代码将避免性能警告，并使用pd.concat(axis=1)一次性将所有特征列添加到DataFrame中。
三、Excel的限制
Traceback (most recent call last):
File "/home/wangzhenkuan/CLIP_image_encoder.py", line 43, in <module>
df.to_excel(output_path, index = False)
File "/home/miniconda3/envs/wzk_base/lib/python3.10/site-packages/pandas/core/generic.py", line 2252, in to_excel
formatter.write(
File "/home/miniconda3/envs/wzk_base/lib/python3.10/site-packages/pandas/io/formats/excel.py", line 923, in write
raise ValueError(
ValueError: This sheet is too large! Your sheet size is: 512, 292549 Max sheet size is: 1048576, 16384
错误信息为：
这个错误是因为生成的Excel表格太大，超出了Excel的最大行列限制。在您的代码中，可能由于图像文件夹中包含的图像数量过多，导致生成的DataFrame的行数过多，超出了Excel的最大行数限制。
为了解决这个问题，您可以考虑以下几种方法：
- 分批处理：将图像文件夹中的图像分成多个批次进行处理，每次处理一部分图像，生成多个较小的Excel表格。
- 降低图像尺寸：将图像缩小，以减少生成的特征向量的数量。可以适当调整image_resized = image.resize((28, 28))这一行代码中的缩放尺寸。
- 使用其他数据存储格式：如果Excel表格的行列限制仍然不足以容纳所有特征向量，可以考虑使用其他数据存储格式，例如CSV文件或数据库。
使用CSV文件存储：
import os
import torch
import clip
from PIL import Image
import pandas as pd
# 加载预训练的CLIP模型
device = "cuda" if torch.cuda.is_available() else "cpu"
model, preprocess = clip.load("ViT-B/32", device=device)
# 图像文件夹路径
folder_path = 'segment-anything-main/notebooks/output/' # 将此路径替换为图像文件夹的实际路径
# 创建空DataFrame用于存储图像特征
df = pd.DataFrame()
# 创建空列表用于存储图像特征
feature_list = []
# 遍历图像文件夹
for filename in os.listdir(folder_path):
if filename.endswith('.jpg') or filename.endswith('.png'): # 仅处理.jpg和.png格式的图像文件
image_path = os.path.join(folder_path, filename)
# 加载和预处理图像
image = Image.open(image_path).convert('RGB')
image_resized = image.resize((28, 28))
image_input = preprocess(image_resized).unsqueeze(0).to(device)
# 图像编码
with torch.no_grad():
image_features = model.encode_image(image_input)
# 将图像特征添加到列表中
image_features_list = image_features.squeeze().tolist()
feature_list.append(image_features_list)
# 使用pd.concat(axis=1)将所有特征列连接起来
df = pd.DataFrame(feature_list).T
# 在DataFrame的最后一列添加全为0的标记列
df['label'] = 0
# 将DataFrame保存到Excel文件
output_path = 'output_negtive.csv'
df.to_excel(output_path, index=False)
出现 “ValueError: No engine for filetype: ‘csv’” 错误通常是因为缺少适当的库或模块来处理 CSV 文件。这可能是由于 Pandas 版本较旧或缺少某些依赖项。
请尝试确保 Pandas 库已经正确安装，并检查是否缺少与 CSV 文件处理相关的其他库。您可以尝试更新 Pandas 版本或重新安装 Pandas 来解决此问题。
另外，您也可以尝试将输出文件类型更改为其他格式，例如 Excel (.xlsx) 文件，以确保代码能够正确运行。
四、尝试解决
当处理大量图像文件时，可以考虑使用分批处理的方式，将图像分成多个批次进行处理，并生成多个较小的Excel表格。以下是修改后的代码：
import os
import torch
import clip
from PIL import Image
import pandas as pd
# 加载预训练的CLIP模型
device = "cuda" if torch.cuda.is_available() else "cpu"
model, preprocess = clip.load("ViT-B/32", device=device)
# 图像文件夹路径
folder_path = 'segment-anything-main/notebooks/output/' # 将此路径替换为图像文件夹的实际路径
# 批处理大小和Excel表格名称
batch_size = 10000 # 每个批次的图像数量
excel_prefix = 'output_batch_' # Excel表格的前缀名称
# 获取图像文件列表
image_files = [filename for filename in os.listdir(folder_path) if filename.endswith(('.jpg', '.png'))]
# 计算批次数量
num_batches = len(image_files) // batch_size + 1
for batch_idx in range(num_batches):
# 获取当前批次的图像文件列表
start_idx = batch_idx * batch_size
end_idx = min(start_idx + batch_size, len(image_files))
batch_files = image_files[start_idx:end_idx]
# 创建空DataFrame用于存储图像特征
df = pd.DataFrame()
feature_list = []
# 遍历当前批次的图像文件
for filename in batch_files:
image_path = os.path.join(folder_path, filename)
# 加载和预处理图像
image = Image.open(image_path).convert('RGB')
image_resized = image.resize((28, 28))
image_input = preprocess(image_resized).unsqueeze(0).to(device)
# 图像编码
with torch.no_grad():
image_features = model.encode_image(image_input)
# 将图像特征添加到DataFrame中
image_features_list = image_features.squeeze().tolist()
feature_list.append(image_features_list)
df = pd.DataFrame(feature_list).T
# 在DataFrame的最后一列添加全为0的标记列
df['label'] = 0
# 生成当前批次的Excel表格
excel_filename = f"{excel_prefix}{batch_idx + 1}.xlsx"
output_path = os.path.join(folder_path, excel_filename)
df.to_excel(output_path, index=False)
print(f"Batch {batch_idx + 1} processed. Excel file saved: {excel_filename}")
这时不再报错，正常运行：
可以顺利跑完！
