Deep learning 深度学习CNN MINST TensorFlow应用于我自己的图像

Deep learning 深度学习CNN MINST TensorFlow应用于我自己的图像,deep-learning,Deep Learning,我是深度学习新手,我从TenserFlow教程(初学者教程和专家教程)开始。在这两个教程中,数据都是从以下两行开始导入的: 从tensorflow.examples.tutorials.mnist导入输入数据 mnist=input\u data.read\u data\u set('mnist\u data',one\u hot=True) 我想在我自己的图像上使用这个神经网络。我有10万张图片和一个fileLabel.txt文件,按照列的顺序给出每个图片的标签。有没有办法在不破坏所有代码的情

我是深度学习新手,我从TenserFlow教程(初学者教程和专家教程)开始。在这两个教程中,数据都是从以下两行开始导入的: 从tensorflow.examples.tutorials.mnist导入输入数据
mnist=input\u data.read\u data\u set('mnist\u data',one\u hot=True)

我想在我自己的图像上使用这个神经网络。我有10万张图片和一个fileLabel.txt文件,按照列的顺序给出每个图片的标签。有没有办法在不破坏所有代码的情况下更改这两行或其他几行来导入我的图像?我真的不知道该怎么做,我的印象是结构
mnist
是特定于教程图像的


提前感谢您的帮助

对您的问题的简短回答是肯定的-这是可能的。如果您的数据与MNIST数据相似,并且有10个标签且组织良好,则无需中断任何代码

假设情况并非如此,则需要组织输入数据,以便定义(创建)模型

组织输入数据包括

  • 具有一致的图像大小(例如MNIST为28x28像素图像)
  • 为图像添加标签(例如,MNIST有10个标签-0到9)
  • 最后,您打算如何分割数据(例如,MNIST数据分为三部分:55000个训练数据点(MNIST.train)、10000个测试数据点(MNIST.test)和5000个验证数据点(MNIST.validation)
一旦你组织了你的输入数据,你就可以通过写一个像read_images这样的小函数来读取你的数据

reader = tf.WholeFileReader()
key, value = reader.read(filename_queue)
....
然后假设您希望提前“标记”类似于MNIST数据,您可以将它们存储在文件中并在程序中读取它们

之后,您必须使用包含文件名和标签的字符串列表填充tf.train.string\u input\u producer()


非常感谢你的回答。事实上,我有不同数量的标签,准确地说是36个(字母+数字=26+10)我已经按照MNIST数据的方式组织了它。我可以问你关于读取数据的函数的更多细节吗?文件名队列是什么?哦,那只是一个变量-一个队列节点,保存文件名(图像)。因此,你可以做一些类似
filename\u queue=tf.train.string\u input\u producer(['DIR\u to\u your\u image\u files'))
。有关如何执行此操作的更多详细信息,请检查-(上一条评论的时间已过-因此添加一条评论)有关如何执行此操作的更多详细信息,请检查-[Tensorflow关于读取_数据的文档()和[this blog about reading multiple Image]()-希望这对您有所帮助,@KB303。