Solución:
Utilice esta función para cargar archivos. También los SALVARÁ.
def upload_files():
from google.colab import files
uploaded = files.upload()
for k, v in uploaded.items():
open(k, 'wb').write(v)
return list(uploaded.keys())
Actualizar
Ahora (septiembre de 2018), el panel izquierdo tiene una pestaña “Archivos” que le permite buscar y cargar archivos fácilmente. También puede descargarlo haciendo doble clic en los nombres de los archivos.
Colab google: carga de imágenes en varios subdirectorios:
Si desea cargar imágenes (o archivos) en múltiples subdirectorios utilizando Colab google, siga los siguientes pasos: – Supongo que sus imágenes (archivos) se dividen en 3 subdirectorios (entrenar, validar, probar) en el directorio principal llamado (dataDir): 1- Comprima la carpeta (dataDir) a (dataDir.zip) 2- Escriba este código en una celda de Colab:
from google.colab import files
uploaded = files.upload()
3- Presione ‘Elegir archivos’ y cargue (dataDir.zip) desde su PC al Colab ¡Ahora el (dataDir.zip) está cargado en su unidad de Google! 4- Descomprimamos la carpeta (dataDir.zip) a una carpeta llamada (data) escribiendo este simple código:
import zipfile
import io
data = zipfile.ZipFile(io.BytesIO(uploaded['dataDir.zip']), 'r')
data.extractall()
5- Ahora que todo está listo, comprobémoslo imprimiendo el contenido de la carpeta (datos):
data.printdir()
6- Luego para leer las imágenes, contarlas, dividirlas y jugar con ellas, por favor escriba el siguiente código:
train_data_dir="data/training"
validation_data_dir="data/validation"
test_data_dir="data/test"
target_names = [item for item in os.listdir(train_data_dir) if os.path.isdir(os.path.join(train_data_dir, item))]
nb_train_samples = sum([len(files) for _, _, files in os.walk(train_data_dir)])
nb_validation_samples = sum([len(files) for _, _, files in os.walk(validation_data_dir)])
nb_test_samples = sum([len(files) for _, _, files in os.walk(test_data_dir)])
total_nb_samples = nb_train_samples + nb_validation_samples + nb_test_samples
nb_classes = len(target_names) # number of output classes
print('Training a CNN Multi-Classifier Model ......')
print('n - names of classes: ', target_names, 'n - # of classes: ', nb_classes)
print(' - # of trained samples: ', nb_train_samples, 'n - # of validation samples: ', nb_validation_samples,
'n - # of test samples: ', nb_test_samples,
'n - total # of samples: ', total_nb_samples, 'n - train ratio:', round(nb_train_samples/total_nb_samples*100, 2),
'n - validation ratio:', round(nb_validation_samples/total_nb_samples*100, 2),
'n - test ratio:', round(nb_test_samples/total_nb_samples*100, 2),
' %', 'n - # of epochs: ', epochs, 'n - batch size: ', batch_size)
7- ¡Eso es! ¡Disfrutar!
¡Hack para subir un archivo de imagen en colab!
https://colab.research.google.com/
El siguiente código carga la imagen (archivo (s)) desde la unidad local a colab.
from google.colab import files
from io import BytesIO
from PIL import Image
uploaded = files.upload()
im = Image.open(BytesIO(uploaded['Image_file_name.jpg']))
Vea la imagen en el cuaderno de Google Colab con el siguiente comando:
import matplotlib.pyplot as plt
plt.imshow(im)
plt.show()