放弃的原因主要是,代码和数据在网盘,会造成读取数量限制
# 将环境切换到指定的目录下 import os path = "/content/drive/MyDrive/data/CTPN/" os.chdir(path) os.listdir(path)
代码可以从网盘中读取;数据同理,将数据压缩包转到本地,再解压。
# 直接在colab选择装载硬盘 # cp -r可以复制文件夹,命令是将网盘中的文件夹保存到当前目录下的A_alexnet文件夹 # cp 不加-r,意思是忽略文件夹 !cp -r drive/MyDrive/data/A_alexnet/ A_alexnet
数据可以直接github载入,就没有挂载Google Drive后的io效率问题了,使用wget
可以下载网络上的数据
数据也可以从kaggle读入,见本页的colab读取kaggle数据集
# 切换到tf 1.15 %tensorflow_version 1.15 import tensorflow print(tensorflow.__version__)
参考文章:https://libertydream.github.io/2019/07/13/在-Google-Colab上玩-Kaggle/
# 安装kaggle包(colab自带) !pip install kaggle # 新建一个文件夹,用于存放生成的json !mkdir .kaggle # 生成json文件 import json token = {"username":"lizhendong","key":"d91b071d162f3ff918194c8e57432b6d"} with open('/content/.kaggle/kaggle.json', 'w') as file: json.dump(token, file) # 在root目录下创建文件夹并复制json !mkdir ~/.kaggle !cp /content/.kaggle/kaggle.json ~/.kaggle/kaggle.json # 我也不知这是啥 !chmod 600 /root/.kaggle/kaggle.json !kaggle config set -n path -v{/content}
# 将需要的比赛的数据文件下载下来。 # 使用网站上的api代码,最后的 -p /content 是为了指明路径 !kaggle competitions download -c dogs-vs-cats-redux-kernels-edition -p /content
之后再解压等等。
# -d 是指定解压目录 !unzip -d A_alexnet/data A_alexnet/data/train.zip !unzip -d A_alexnet/data A_alexnet/data/test.zip
colab下,!cd
并不管用,必须要使用 %cd
才能自由切换目录!
参考文章:https://blog.csdn.net/moshiyaofei/article/details/88941099
import sys sys.path.append( "工程目录路径" )
将当前工作目录添加到sys.path中就不会报错了。