Supresión de avisos de obsolescencia

En ocasiones, Python nos devuelve un aviso de obsolescencia ("deprecation warnings") relativo a alguna función, indicándonos, por ejemplo, que cierto comportamiento de la misma cambiará en futuras versiones de la librería que corresponda. Si esto sucede dentro de un bucle, podemos encontrarnos con decenas, centenares o miles de avisos. Para suprimir éstos, podemos recurrir a la librería warnins, añadiendo el siguiente código antes de la rutina que genera los avisos:

import warnings
warnings.filterwarnings("ignore", category = DeprecationWarning)

Creación de datos de entrenamiento aleatorios para clasificación con Keras

Podemos crear datos de entrenamiento y validación ficticios para entrenar una red neuronal para clasificación creada con Keras muy fácilmente. Debemos concretar:

  • El número de muestras a generar para el conjunto de entrenamiento y para el conjunto de validación, que supondremos igual en este ejemplo.
  • El número de características que tendrán ambos conjuntos.
  • El número de clases a las que pertenecen las muestras generadas.

Comencemos importando las librerías involucradas:

import numpy as np

Creación de matriz de imágenes

En este escenario tenemos un array de imágenes que queremos mostrar en una matriz. Para ello recurrimos a la función plt.subplots, extraemos los ejes creados y asociamos cada imagen a un eje.

Comenzamos cargando los paths de las imágenes:

image_paths = glob("C:/Mis Imagenes/*jpg") # Cargamos los paths de las imágenes

A continuación cargamos las imágenes en el array images, convirtiéndolas (opcionalmente) en blanco y negro y redimensionándolas:

file_size = 256