Download download_script.py from Decoder24/Batik-Classification-Transformer-model: direct link, hf CLI and curl.
- Browser
- Download file 2.6 kB
-
https://huggingface.co/Decoder24/Batik-Classification-Transformer-model/resolve/main/download_script.py
- Command line
-
hf download hf://Decoder24/Batik-Classification-Transformer-model/download_script.py
-
curl -L -o download_script.py https://huggingface.co/Decoder24/Batik-Classification-Transformer-model/resolve/main/download_script.py
2.6 kB
| import os | |
| from datasets import load_dataset | |
| # PASTIKAN INI ADA: Kita tambahkan UnidentifiedImageError agar bisa ditangkap | |
| from PIL import Image, UnidentifiedImageError | |
| # Nama dataset dari Hugging Face Hub | |
| dataset_name = "muhammadsalmanalfaridzi/Batik-Indonesia" | |
| # Folder utama untuk menyimpan gambar JPG | |
| output_dir = "Batik_Indonesia_JPG" | |
| # Buat folder utama jika belum ada | |
| if not os.path.exists(output_dir): | |
| os.makedirs(output_dir) | |
| # Muat dataset (akan menggunakan cache jika sudah diunduh) | |
| print("Memuat dataset...") | |
| # Kita tambahkan parameter 'all' untuk split agar memuat semua data | |
| dataset = load_dataset(dataset_name, split='train') | |
| print("Dataset dimuat.") | |
| # Ambil informasi nama kelas/label dari dataset | |
| labels = dataset.features['label'].names | |
| # Proses dan simpan setiap gambar dari split 'train' | |
| print("Memulai proses ekstraksi gambar...") | |
| skipped_files = 0 | |
| # Ganti loop untuk menggunakan 'dataset' langsung | |
| for item in dataset: | |
| # ---- INI BAGIAN PENTING (TRY...EXCEPT) ---- | |
| # Kita "coba" lakukan semua proses ini | |
| try: | |
| # Ambil gambar dan labelnya | |
| gambar: Image.Image = item['image'] | |
| label_index = item['label'] | |
| # Dapatkan nama label (contoh: "Batik Parang") | |
| label_name = labels[label_index] | |
| # Buat folder untuk kelas ini jika belum ada | |
| class_dir = os.path.join(output_dir, label_name) | |
| if not os.path.exists(class_dir): | |
| os.makedirs(class_dir) | |
| # Ambil nama file asli (jika tersedia) atau buat nama file unik | |
| num_existing_files = len(os.listdir(class_dir)) | |
| file_name = f"{label_name.replace(' ', '_')}_{num_existing_files + 1}.jpg" | |
| # Gabungkan path untuk menyimpan | |
| save_path = os.path.join(class_dir, file_name) | |
| # Simpan gambar | |
| if gambar.mode != 'RGB': | |
| gambar = gambar.convert('RGB') | |
| gambar.save(save_path) | |
| # Jika terjadi error "UnidentifiedImageError" (file rusak), | |
| # jalankan kode di bawah ini alih-alih crash. | |
| except UnidentifiedImageError: | |
| skipped_files += 1 | |
| # Kita bisa cetak file yang rusak jika mau | |
| # print(f"WARNING: 1 file gambar terdeteksi rusak atau tidak valid. Melewati...") | |
| # Tambahkan exception umum untuk error lain | |
| except Exception as e: | |
| skipped_files += 1 | |
| print(f"WARNING: Terjadi error lain ({e}). Melewati file...") | |
| # ----------------------------------------------- | |
| print(f"Ekstraksi selesai!") | |
| print(f"Total file yang dilewati (rusak/error): {skipped_files}") |