Python Tensorflow中从图像列表中提取批次
我有一个imagestry列表,用于使用自定义图像训练CNN模型,通过以下方式定义和重塑:Python Tensorflow中从图像列表中提取批次,python,image,tensorflow,training-data,Python,Image,Tensorflow,Training Data,我有一个imagestry列表,用于使用自定义图像训练CNN模型,通过以下方式定义和重塑: reader.images = tf.reshape(self.images, [-1, 256, 256, 3]) 其中打印: reader.Images : [[[[ 127. 255. 127.] [ 140. 255. 114.] [ 217. 255. 38.] ..., [[ 255. 240. 0.] [ 255. 241. 0.]
reader.images = tf.reshape(self.images, [-1, 256, 256, 3])
其中打印:
reader.Images :
[[[[ 127. 255. 127.]
[ 140. 255. 114.]
[ 217. 255. 38.]
...,
[[ 255. 240. 0.]
[ 255. 241. 0.]
[ 249. 246. 6.]
...,
[ 203. 237. 52.]
[ 152. 251. 102.]
[ 143. 253. 111.]]
[[ 255. 184. 0.]
[ 248. 192. 7.]
[ 205. 242. 50.]
...,
[ 255. 139. 0.]
[ 255. 171. 0.]
[ 255. 177. 0.]]
[[ 255. 178. 0.]
[ 237. 187. 18.]
[ 131. 240. 124.]
...,
[ 255. 123. 0.]
[ 255. 156. 0.]
[ 255. 162. 0.]]]]
我想通过每次迭代提取一批来训练我的模型。但当我使用:
image_batch = tf.train.batch(
[reader.images], batch_size=batch_size, dynamic_pad=True)
批次大小=1时
我得到的整个图像输出与上面打印的整个列表图像相同。
我是Tensorflow的新手,欢迎提供任何提示。简短回答:
对于您要求的内容,您应该添加enqueue_many=True
长答覆:
通常使用tf.train.batch从单个项张量(例如来自队列)创建批
所以你可以给它输入一个图像张量[256,256,3],然后得到一个批量张量[batch_size,256,256,3]
它通常不用于从列表张量中分割批次。如果这样使用的话,您必须将所有的图像加载到内存中,这样就不能很好地扩展
这至少是默认值,enqueue_many=False:
如果enqueue_many为False,则假定张量表示单个
实例形状为[x,y,z]的输入张量将作为
形状张量[批量大小,x,y,z]
如果确实要将所有图像加载到内存中,可以将enqueue_many=True添加到tf.train.batch调用中
如果enqueue_many为真,则假设张量表示一批
示例,其中第一个维度按示例索引,以及所有
张量的成员在第一维度应该具有相同的大小。
如果输入张量具有形状[*,x,y,z],则输出将具有形状
[批次大小,x,y,z]。capacity参数控制存储的时间长度
允许预取来增加队列
我建议阅读更多指南,现在记录使用数据集的新推荐方法,而不是以前推荐的队列-您可以直接从数据集创建批,而不是调用tf.train.batch。谢谢您的回答!如果有人能为此提供一个简单的程序/示例,我将不胜感激。