Python 使用tensorflow上的自动编码器获取图像名称

我正在使用tensorflow图像搜索脚本：

---

非常感谢！：）

您需要修改搜索功能

具体来说，请看这一行：

best_states.append(imported_images[i])

如果要在返回的图像和文件名之间进行映射，则需要记录并返回该索引，

i

。考虑添加<代码> BestStaseStEngult变量并返回两者，或者简单地替换<代码>导入的图像[I] <代码> > <代码> i>代码>，并使用它访问文件名和图像数据。

更明确地说：

def search(image):
    hidden_states = [sess.run(hidden_state(X, mask, W, b),
                     feed_dict={X: im.reshape(1, pixels), mask:  
                     np.random.binomial(1, 1-corruption_level, (1, pixels))})
                     for im in image_set]

    query = sess.run(hidden_state(X, mask, W, b),
                     feed_dict={X: image.reshape(1,pixels), mask: np.random.binomial(1, 1-corruption_level, (1, pixels))})

    starting_state = int(np.random.random()*len(hidden_states)) #choose random starting state
    best_states = [imported_images[starting_state]]
    best_states_index = [starting_state]
    distance = euclidean_distance(query[0], hidden_states[starting_state][0]) #Calculate similarity between hidden states
    for i in range(len(hidden_states)):
        dist = euclidean_distance(query[0], hidden_states[i][0])
        if dist <= distance:
            distance = dist #as the method progresses, it gets better at identifying similiar images
            best_states.append(imported_images[i])
            best_states_index.append(i)
    if len(best_states)>0:
        return best_states, best_states_index
    else:
        return best_states[len(best_states)-101:], best_states_index[len(best_states)-101:]

def搜索（图像）：
隐藏状态=[sess.run（隐藏状态（X，掩码，W，b），
feed_dict={X:im.重塑（1，像素），遮罩：
np.随机二项（1，1-U级，（1，像素））}
用于图像中的即时消息\u集]
query=sess.run（隐藏状态（X，掩码，W，b），
feed_dict={X:image.reformate（1，像素），mask:np.random.二项式（1，1-decorrupt_level，（1，像素））}）
起始状态=int（np.random.random（）*len（隐藏状态））#选择随机起始状态
最佳状态=[导入的图像[开始状态]]
最佳状态指数=[起始状态]
距离=欧几里德距离（查询[0]，隐藏状态[起始状态][0]）#计算隐藏状态之间的相似性
对于范围内的i（len（隐藏状态））：
dist=欧几里德距离（查询[0]，隐藏状态[i][0]）
如果距离为0：
返回最佳状态、最佳状态索引
其他：
返回最佳状态[len（最佳状态）-101:]，最佳状态索引[len（最佳状态）-101:]

嘿！非常感谢您的回答！：）我不能理解你。。我试图添加

最佳州索引

比如：

最佳州索引。append（I）

，但我认为我做错了。你能更具体地说明你尝试了什么以及为什么它看起来是错的吗？谢谢你，约翰！我添加了您修改过的搜索函数，当我运行results函数时，我得到了以下信息：

---------------------------------------------------------------TypeError Traceback（最近一次调用）in（）4 for im in results[：：-1]：#向后读取结果（首先是更相似的图像）5 plt.子批次（10,10，插槽+1）--->6 plt.imshow（cv2.cvtColor（im，cv2.COLOR_BGR2RGB））；plt.axis（'off'）7个插槽+=1类型错误：src不是numpy数组，也不是标量
best_states.append(imported_images[i])

def search(image):
    hidden_states = [sess.run(hidden_state(X, mask, W, b),
                     feed_dict={X: im.reshape(1, pixels), mask:  
                     np.random.binomial(1, 1-corruption_level, (1, pixels))})
                     for im in image_set]

    query = sess.run(hidden_state(X, mask, W, b),
                     feed_dict={X: image.reshape(1,pixels), mask: np.random.binomial(1, 1-corruption_level, (1, pixels))})

    starting_state = int(np.random.random()*len(hidden_states)) #choose random starting state
    best_states = [imported_images[starting_state]]
    best_states_index = [starting_state]
    distance = euclidean_distance(query[0], hidden_states[starting_state][0]) #Calculate similarity between hidden states
    for i in range(len(hidden_states)):
        dist = euclidean_distance(query[0], hidden_states[i][0])
        if dist <= distance:
            distance = dist #as the method progresses, it gets better at identifying similiar images
            best_states.append(imported_images[i])
            best_states_index.append(i)
    if len(best_states)>0:
        return best_states, best_states_index
    else:
        return best_states[len(best_states)-101:], best_states_index[len(best_states)-101:]