datos_funciones.py 4.32 KB
Newer Older
Perez Visaires, Jon's avatar
Perez Visaires, Jon committed
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112
# ------------------------------------------------------------------------------------------------------------------- #

import os
import sys
import numpy as np

sys.path.append("../tools")  # Herramientas propias de MantaFlow.
import uniio  # Lectura de ficheros .uni


def carga_datos(num_inicio, num_sims, frames):

    base_path = "../data"

    densities = []

    for sim in range(num_inicio, num_sims):

        if os.path.exists("%s/simSimple_%04d" % (base_path, sim)):  # Comprueba la existencia de las carpetas (cada una 200 frames de datos).

            for i in range(0, frames):

                filename = "%s/simSimple_%04d/density_%04d.uni"  # Nombre de cada frame (densidad).
                uni_path = filename % (base_path, sim, i)  # 200 frames por sim, rellena parametros de la ruta.
                header, content = uniio.readUni(uni_path)  # Devuelve un array Numpy [Z, Y, X, C].

                h = header["dimX"]
                w = header["dimY"]

                arr = content[:, ::-1, :, :]  # Cambia el orden del eje Y.
                arr = np.reshape(arr, [w, h, 1])  # Deshecha el eje Z.

                densities.append(arr)

    load_num = len(densities)

    if load_num < 2 * frames:

        print("Error - Usa al menos dos simulaciones completas")

        exit(True)

    densities = np.reshape(densities, (len(densities), 64, 64, 1))  # Reconvierte la lista en array de Numpy.

    print("Forma del array: {}".format(densities.shape))
    print("Dimensiones del array: {}".format(densities.ndim))
    print("Número de pixels en total: {}".format(densities.size))

    return densities

# ------------------------------------------------------------------------------------------------------------------- #

def carga_datos_velocity(num_inicio, num_sims, frames):
    
    base_path = "../data"
    
    velocities = []
        
    for sim in range(num_inicio, num_sims):
        
        if os.path.exists("%s/simSimple_%04d" % (base_path, sim)):  # Comprueba la existencia de las carpetas (cada una 200 frames de datos).
            
            for i in range(0, frames):
                
                filename = "%s/simSimple_%04d/vel_%04d.uni"  # Nombre de cada frame (velocidad).
                uni_path = filename % (base_path, sim, i)  # 200 frames por sim, rellena parametros de la ruta.
                header, content = uniio.readUni(uni_path)  # Devuelve un array Numpy [Z, Y, X, C].                    
                h = header["dimX"]
                w = header["dimY"]
                arr = content[:, ::-1, :, :]  # Cambia el orden del eje Y.
                arr = np.reshape(arr, [w, h, 1])  # Deshecha el eje Z.
                velocities.append(arr)                
                
    load_num = len(velocities)
                    
    if load_num < 2 * frames:
        
        print("Error - Usa al menos dos simulaciones completas")
            
        exit(True)
        
    velocities = np.reshape(velocities, (len(velocities), 64, 64, 1))  # Reconvierte la lista en array de Numpy
    
    print("Forma del array: {}".format(velocities.shape))
    print("Dimensiones del array: {}".format(velocities.ndim))
    print("Número de pixels en total: {}".format(velocities.size))                                                  
    
    return densities

# ------------------------------------------------------------------------------------------------------------------- #

def crea_sets(densities):

    load_num = len(densities)

    vali_set_size = max(200, int(load_num * 0.1))  # Al menos una sim completa o el 10% de los datos.

    vali_data = densities[load_num - vali_set_size : load_num, :]  # "load_num" datos del final de "densities".
    train_data = densities[0 : load_num - vali_set_size, :]  # El resto de datos de "densities".

    print("Separamos en {} frames de entrenamiento y {} frames de validación.".format(train_data.shape[0], vali_data.shape[0]))

    train_data = np.reshape(train_data, (len(train_data), 64, 64, 1))  # Reconvertimos a arrays de Numpy.
    vali_data = np.reshape(vali_data, (len(vali_data), 64, 64, 1))

    print("Forma del set de entrenamiento: {}".format(train_data.shape))
    print("Forma del set de validación: {}".format(vali_data.shape))

    return train_data, vali_data

# ------------------------------------------------------------------------------------------------------------------- #