Comment pensez-vous de la charge, de l'étiquette, et nourrir jpeg données dans Tensorflow?
J'ai essayé de nourrir 1750 * 1750 images dans Tensorflow, mais je ne sais pas comment l'étiquette et de nourrir les données après je convertir les images dans un Tenseur à l'aide de la tf.image.decode_jpeg() fonction.
Actuellement, mon code est:
import tensorflow as tf
import numpy as np
import imageflow
import os, glob
sess = tf.InteractiveSession()
def read_jpeg(filename_queue):
reader = tf.WholeFileReader()
key, value = reader.read(filename_queue)
my_img = tf.image.decode_jpeg(value)
my_img.set_shape([1750, 1750, 1])
print(value)
return my_img
#####################################################
def read_image_data():
jpeg_files = []
images_tensor = []
i = 1
WORKING_PATH = "/Users/Zanhuang/Desktop/NNP/DATA"
jpeg_files_path = glob.glob(os.path.join(WORKING_PATH, '*.jpeg'))
for filename in jpeg_files_path:
print(i)
i += 1
jpeg_files.append(filename)
filename_queue = tf.train.string_input_producer(jpeg_files)
mlist = [read_jpeg(filename_queue) for _ in range(len(jpeg_files))]
init = tf.initialize_all_variables()
sess = tf.Session()
sess.run(init)
images_tensor = tf.convert_to_tensor(images_tensor)
sess.close()
Maintenant, comme je l'ai dit plus tôt, j'ai besoin de les nourrir et de l'étiquette de données. J'ai vu l'ICRA-10 fichiers tutoriel, mais ils ont rangé les étiquettes dans un fichier et j'ai l'intention de ne pas le faire de cette façon.
Je suis tout à fait nouveau pour Tensorflow veuillez donc garder la réponse aussi détaillée que possible.
Merci!
Que diriez-en utilisant le même format de MINST_data et à l'aide de input_data.py pour le lire?
OriginalL'auteur Zan Huang | 2016-03-18
Vous devez vous connecter pour publier un commentaire.
En fonction de ce que vous essayez de faire, il ya plusieurs directions à prendre en compte.
Si vous souhaitez exécuter l'inférence sur l'arbitraire d'un fichier JPEG (c'est à dire les étiquettes ne sont pas requis), puis vous pouvez suivre l'exemple de classify_image.py qui se nourrit dans une image JPEG dans un pré-formés Création du réseau:
github.com/tensorflow/models/blob/master/tutorials/image/imagenet/classify_image.py
Si vous ne souhaitez train (ou le peaufiner) et d'un modèle sur un petit personnalisé de l'ensemble de données d'images JPEG, alors jetez un oeil à cet exemple de façon à former un modèle d'un petit ensemble d'images JPEG.
github.com/tensorflow/tensorflow/blob/master/tensorflow/examples/image_retraining/retrain.py
Si vous ne souhaitez train (ou le peaufiner) et d'un modèle sur un grand personnalisé de l'ensemble de données d'images JPEG, puis la lecture de plusieurs fichiers JPEG sera inefficace et ralentir la formation énormément.
Je suggère de suivre la procédure décrite dans la création/modèle de bibliothèque qui convertit un répertoire d'images JPEG dans fragmenté RecordIO contenant sérialisé images JPEG.
github.com/tensorflow/models/blob/master/research/inception/inception/data/build_image_data.py
Des Instructions pour l'exécution du script de conversion sont disponibles ici:
github.com/tensorflow/models/blob/master/research/inception/README.md#how-to-construct-a-new-dataset-for-retraining
Après l'exécution de la conversion, vous pouvez alors employer/copier l'image de prétraitement pipeline utilisé par la création de modèle.
github.com/tensorflow/models/blob/master/research/inception/inception/image_processing.py
Oui, ce sont des génériques approches bien que les scripts ci-dessus sont plus orientées vers l'image de base de la reconnaissance des problèmes.
Est-ce que votre création de lien convertir RecordIO ou TFRecords? Il semble être le dernier.
OriginalL'auteur user5869947