小编Pau*_*Zen的帖子

当我使用来自 GoogleDrive 的连接时，我正在寻找一种解决方案来解决 google colab 上图像数据集上传速度缓慢的问题。使用以下代码：

from google.colab import drive

drive.mount('/content/gdrive')

使用此程序，我可以使用 my 上传图像并创建标签def load_dataset：

'train_path=content/gdrive/MyDrive/Capstone/Enviroment/cell_images/train'

train_files, train_targets = load_dataset(train_path)

但是，正如我所说，它非常慢，尤其是因为我的完整数据集由 27560 张图像组成。

为了解决我的问题，我尝试使用此解决方案。

但是现在，为了仍然使用我的def功能，下载.tar文件后我想在 colab 环境中的特定文件夹中解压缩。我找到了这个答案，但没有解决我的问题。

例子：

这是已经下载了 test.tar 的环境。

但我想提取 tar 文件中的文件，其结构是train/Uninfected; train/Parasitized，得到这个：

• 内容

  • cell_images
    • 测试
      • 寄生
      • 未感染
    • 火车
      • 寄生
      • 未感染
    • 有效的
      • 寄生
      • 未感染

要在 def 函数中使用路径：

train_path = train_path=content/cell_images/train/'

train_files, train_targets = load_dataset(train_path)

test_path = train_path=content/cell_images/test/'

test_files, test_targets = load_dataset(test_path)

valid_path = train_path=content/cell_images/valid/'

valid_files, …

我有一个愚蠢的问题。

我已经在scikit学习中完成了交叉验证，并希望使用我为每个模型获得的值做出更直观的信息。

但是，我不能仅访问要插入数据框的模板名称。总是随参数一起提供。是否创建了一些对象方法来仅访问模型名称而不访问其参数。还是我必须使用其名称创建一个外部列表？

我用：

for model in models:
   scores = cross_val_score(model, X, y, cv=5)
   print(f'Name model: {model} , Mean score: {scores.mean()}')

但是我获得了带有参数的名称：

Name model: LinearRegression(copy_X=True, fit_intercept=True, n_jobs=1, normalize=False), Mean score: 0.8066782865537986

实际上，我想通过以下方式获取信息：

Name Model: LinearRegression, Mean Score: 0.8066782865537986

谢谢！