Python 如何将标签添加到TensorBoard图像？

TensorBoard是一个很好的工具，但它能更坚固吗？下图显示了TensorBoard中的可视化效果

它由以下代码调用：

tf.image_summary('images', images, max_images=100)

正如API所建议的，最后一位数字是“图像编号”，在本例中为0到99，因为我指定了max_images=100。我想问一下，我是否可以将此图像的标签附加到文本中？这将是一个很好的功能，因为它允许用户在培训期间实时查看图像及其各自的标签。如果某些图像完全被错误标记，可以实施修复。换句话说，我希望下图中的相应文本为：

images/image/9/5
images/image/39/6
images/image/31/0
images/image/30/2
where last digit is the label.

谢谢

---

我无法找到一种仅使用tensorflow的方法来实现这一点，因此我改为执行以下操作：

为摘要图像创建一个占位符（例如，为十个摘要图像创建一个（10,224,224,3））

基于该占位符创建图像摘要

在验证期间（或培训期间，如果愿意的话），使用类似于

session.run（[sample\u images，sample\u labels]）的方法将摘要的图像和标签拉入python中。

迭代批处理并使用OpenCV，使用

cv2.putText

将标签写入图像

运行摘要操作，为占位符提供带标签的图像

---

下面是Vince Gatto提出的方法的一个小改进。我们可以使用

tf.py_func

来避免创建额外的占位符和执行额外的

session.run

首先，我们定义这些函数（您需要安装

opencvpython

）：

导入cv2
导入tensorflow作为tf
def put_文本（imgs，文本）：
结果=np.empty_like（imgs）
对于范围内的i（imgs.shape[0]）：
text=文本[i]
如果isinstance（文本，字节）：
text=text.decode（）
#您可能需要调整文本大小、位置和大小。
#如果图像在[0，255]范围内，请将（0，0，1）替换为（0，0，255）
结果[i，：，：，：]=cv2.putText（imgs[i，：，：，：，：]，str（text），（0,30），cv2.FONT\u HERSHEY\u COMPLEX，1，（0,0,1），2）
返回结果
def tf_put_文本（imgs，文本）：
返回tf.py_func（put_text[imgs，text]，Tout=imgs.dtype）

现在，我们可以使用

tf\u put\u text

在将标签输入到图像摘要之前，在顶部图像上打印标签：

annotated_images=tf_put_text（图像、标签）
tf.summary.image（'annotated_images'，annotated_images，4）

虽然这对于大型图像可能是一个很好的技巧，但对于（28,28）个图像可能没有那么好的效果。没有理由将摘要设置为28x28。您可以使用任何您喜欢的维度。你可以从一块128x28的空白画布开始，将培训示例复制到左上角，然后使用剩余的100x28矩形来绘制文本。那么我必须说这是一个合法的破解！