Python Tensorflow中图像数据的加载方法

我想开发能够在我自己的图像数据集上训练的分类网络。我想，我得到了网络创建部分，但是，我很难导入图像数据。
我想要一个不同数据集的通用模型，因为我打算重用图像加载方法。因此，我希望它在如下文件夹中结构化：

• 图像编辑
  • 标签_1-->图像位于这些
  • 标签_2-->图像位于这些

现在似乎有很多选择

使用

预加载数据

（不适用，因为我希望这也适用于大型数据集）

使用

filename\u队列

将图像本身加载为

numpy数组

（在我看来，在整个培训过程中，这应该比使用

TFRecords

慢，因为我需要多次访问单个图像）

TFRecords

（我能够使用转换成这种格式，但是，我不知道如何让它们进行培训）

也许更多

所以我基本上有两个问题：

哪种加载图像数据的方式是哪个用例的首选方式？（适用于所有偶然发现此问题的人的一般问题）

TFRecord

是否是解决我的问题的正确方法，如果是，是否有一种通用方法来加载

TFRecord

文件并为培训准备好数据

---

要读取

TFRecod

文件，请检查。查看一些vision模型，它们似乎都使用了TFRecord（例如）。您所说的“是否有加载TFRecord的通用方法”的确切含义是什么。您提议的结构由ImageNet使用，这里是一个如何处理它的示例：谢谢，我想这已经回答了我的大部分问题。然后我只需要让我的代码工作，这是另一个主题。我从你的帖子中看到，TFRecords是正确的方法，因此我将坚持使用它。要阅读

TFRecod

文件，请检查。查看一些vision模型，它们似乎都使用TFRecord（例如）。你所说的“有没有加载TFRecord的通用方法”到底是什么意思。您提议的结构由ImageNet使用，这里是一个如何处理它的示例：谢谢，我想这已经回答了我的大部分问题。然后我只需要让我的代码工作，这是另一个主题。我从你的帖子中看到，TFRecords是正确的选择，所以我会坚持下去。