# 我们用一个具体的例子感受tensorflow中的数据读取。如图，

# 假设我们在当前文件夹中已经有A.jpg、B.jpg、C.jpg三张图片，

# 我们希望读取这三张图片5个epoch并且把读取的结果重新存到read文件夹中。

# 导入tensorflow

import tensorflow as tf

# 新建一个Session

with tf.Session() as sess:

    # 我们要读三幅图片A.jpg, B.jpg, C.jpg

    filename = ['./data/A.png', './data/B.png', './data/C.png']

    # string_input_producer会产生一个文件名队列

    filename_queue = tf.train.string_input_producer(filename, shuffle=True, num_epochs=5)

    # reader从文件名队列中读数据。对应的方法是reader.read

    reader = tf.WholeFileReader()

    key, value = reader.read(filename_queue)

    # tf.train.string_input_producer定义了一个epoch变量，要对它进行初始化

    tf.local_variables_initializer().run()

    # 使用start_queue_runners之后，才会开始填充队列

    threads = tf.train.start_queue_runners(sess=sess)

    i = 0

    while True:

        i += 1

        # 获取图片数据并保存

        image_data = sess.run(value)

        with open('data/test_%d.jpg' % i, 'wb') as f:

            f.write(image_data)

import tensorflow as tf

import os

import matplotlib.pyplot as plt

def file_name(file_dir):   #来自http://blog.csdn.net/lsq2902101015/article/details/51305825

    for root, dirs, files in os.walk(file_dir):  #模块os中的walk()函数遍历文件夹下所有的文件

        print(root) #当前目录路径

        print(dirs) #当前路径下所有子目录

        print(files) #当前路径下所有非目录子文件  

def file_name2(file_dir):   #特定类型的文件

    L=[]

    for root, dirs, files in os.walk(file_dir):

        for file in files:

            if os.path.splitext(file)[1] == '.png':

                L.append(os.path.join(root, file))

    return L 

file_name('data')

path = file_name2('data')

print(path)

#以下参考http://blog.csdn.net/buptgshengod/article/details/72956846 (十图详解TensorFlow数据读取机制)

#以及http://blog.csdn.net/uestc_c2_403/article/details/74435286

file_queue = tf.train.string_input_producer(path, shuffle=True, num_epochs=2) #创建输入队列

image_reader = tf.WholeFileReader()

key, image = image_reader.read(file_queue)

image = tf.image.decode_jpeg(image)  

with tf.Session() as sess:

    tf.local_variables_initializer().run()

    threads = tf.train.start_queue_runners(sess=sess)

    for _ in path+path:

        plt.figure

        plt.imshow(image.eval())

        plt.show()

import tensorflow as tf

import os

import matplotlib.pyplot as pltimport numpy as np

print(tf.__version__)

image_value = tf.read_file('data/A.png')

img = tf.image.decode_jpeg(image_value, channels=3)

with tf.Session() as sess:

    print(type(image_value)) # bytes

    print(type(img)) # Tensor

    print(type(img.eval())) # ndarray !!!

    print(img.eval().shape)

    print(img.eval().dtype)

    plt.figure(1)

    plt.imshow(img.eval())

    plt.show()

import matplotlib.pyplot as plt

import tensorflow as tf

import numpy as np

print(tf.__version__)

image_raw = tf.gfile.FastGFile('data/A.png','rb').read()   #bytes

img = tf.image.decode_jpeg(image_raw)  #Tensor

#img2 = tf.image.convert_image_dtype(img, dtype = tf.uint8)

with tf.Session() as sess:

    print(type(image_raw)) # bytes

    print(type(img)) # Tensor

    #print(type(img2))

    print(type(img.eval())) # ndarray !!!

    print(img.eval().shape)

    print(img.eval().dtype)

#    print(type(img2.eval()))

#    print(img2.eval().shape)

#    print(img2.eval().dtype)

    plt.figure(1)

    plt.imshow(img.eval())

    plt.show()