Tensorflow细节-P170-图像数据预处理

由于6.5中提出的TFRecord非常复杂，可扩展性差，所以本节换一种方式

import tensorflow as tf

from tensorflow.examples.tutorials.mnist import input_data

import numpy as np

# 定义函数转化变量类型。

def _int64_feature(value):

    return tf.train.Feature(int64_list=tf.train.Int64List(value=[value]))  # 生成整数类型的属性

def _bytes_feature(value):

    return tf.train.Feature(bytes_list=tf.train.BytesList(value=[value]))  # 生成字符串类型的属性

# 将数据转化为tf.train.Example格式。

def _make_example(pixels, label, image):

    image_raw = image.tostring()

    example = tf.train.Example(features=tf.train.Features(feature={

        'pixels': _int64_feature(pixels),

        'label': _int64_feature(np.argmax(label)),

        'image_raw': _bytes_feature(image_raw)

    }))

    return example

# 读取mnist训练数据。

mnist = input_data.read_data_sets("./datasets/MNIST_data",dtype=tf.uint8, one_hot=True)

images = mnist.train.images

labels = mnist.train.labels

pixels = images.shape[1]  # 784

num_examples = mnist.train.num_examples  # 60000

# 输出包含训练数据的TFRecord文件。

with tf.python_io.TFRecordWriter("./datasets/output.tfrecords") as writer:

    for index in range(num_examples):

        example = _make_example(pixels, labels[index], images[index])

        writer.write(example.SerializeToString())

print("TFRecord训练文件已保存。")

# 读取mnist测试数据。

images_test = mnist.test.images

labels_test = mnist.test.labels

pixels_test = images_test.shape[1]

num_examples_test = mnist.test.num_examples

# 输出包含测试数据的TFRecord文件。

with tf.python_io.TFRecordWriter("./datasets/output_test.tfrecords") as writer:

    for index in range(num_examples_test):

        example = _make_example(

            pixels_test, labels_test[index], images_test[index])

        writer.write(example.SerializeToString())

print("TFRecord测试文件已保存。")

读取时注意使用了多线程

import tensorflow as tf

from tensorflow.examples.tutorials.mnist import input_data

import numpy as np

# 定义函数转化变量类型。

def _int64_feature(value):

    return tf.train.Feature(int64_list=tf.train.Int64List(value=[value]))  # 生成整数类型的属性

def _bytes_feature(value):

    return tf.train.Feature(bytes_list=tf.train.BytesList(value=[value]))  # 生成字符串类型的属性

# 将数据转化为tf.train.Example格式。

def _make_example(pixels, label, image):

    image_raw = image.tostring()

    example = tf.train.Example(features=tf.train.Features(feature={

        'pixels': _int64_feature(pixels),

        'label': _int64_feature(np.argmax(label)),

        'image_raw': _bytes_feature(image_raw)

    }))

    return example

# 读取mnist训练数据。

mnist = input_data.read_data_sets("./datasets/MNIST_data",dtype=tf.uint8, one_hot=True)

images = mnist.train.images

labels = mnist.train.labels

pixels = images.shape[1]  # 784

num_examples = mnist.train.num_examples  # 60000

# 输出包含训练数据的TFRecord文件。

with tf.python_io.TFRecordWriter("./datasets/output.tfrecords") as writer:

    for index in range(num_examples):

        example = _make_example(pixels, labels[index], images[index])

        writer.write(example.SerializeToString())

print("TFRecord训练文件已保存。")

# 读取mnist测试数据。

images_test = mnist.test.images

labels_test = mnist.test.labels

pixels_test = images_test.shape[1]

num_examples_test = mnist.test.num_examples

# 输出包含测试数据的TFRecord文件。

with tf.python_io.TFRecordWriter("./datasets/output_test.tfrecords") as writer:

    for index in range(num_examples_test):

        example = _make_example(

            pixels_test, labels_test[index], images_test[index])

        writer.write(example.SerializeToString())

print("TFRecord测试文件已保存。")

巴特西

Tensorflow细节-P170-图像数据预处理

最新文章

热门文章