Python 在Tensorflow中，是否存在接受（文件名）张量并输出图像的op/ops？

我希望能够阅读成批的图像。但是，这些批处理必须由python脚本构建（由于各种原因，不能提前将它们放入文件中）。在tensorflow中，执行以下操作的最有效方式是什么：

（1） 提供：指向图像的B个可变长度字符串的python列表，所有字符串的大小都相同。B是批量大小。 （2） 对于每个字符串，加载其对应的图像，并应用5%的随机裁剪（裁剪是随机的，但裁剪的大小是固定的） （3） 将图像连接在一起，形成一个大小为B x H x W x 3的张量

---

如果这是不可能的，是否有人有任何关于在python中加载和预处理图像然后将其放入队列的效率损失的基准/数据？我假设如果在tensorflow内部完成图像加载/预处理，网络将运行得更快

如果将图像作为字节数组，则可以在图形中使用类似的内容：

 jpegs = tf.placeholder(tf.string, shape=(None))
 images = tf.map_fn(lambda jpeg : your_processing_fn(jpeg), jpegs,
                   dtype=tf.float32)
 logits = your_inference_model(images,labels)

其中，您的_processing_fn是一个函数，它接收字节的jpeg张量，对其进行解码、调整大小和裁剪，并返回一个H x W x 3的图像

---

您需要最新版本的tensorflow，因为map\u fn不在0.8及以下版本中。

这就是我如何理解您的问题：

• 你有一些图像
• 您有一个函数

  sample\u batch（）

  ，它返回一批大小为

  B

• 您希望读取与这些文件名对应的图像并对其进行预处理
• 最后输出一批这些示例

---

input=tf.placeholder（tf.string，name='input'）
queue=tf.FIFOQueue（容量，tf.string，[（）]，name='queue'）
enqueue_op=queue.enqueue_many（输入）
reader=tf.WholeFileReader（）
文件名，内容=reader.read（队列）
image=tf.image.decode_jpeg（内容，频道=3）
#预处理
image=tf.random_裁剪（图像[H，W，3]）
image=tf.to_float（图像）
batch\u image=tf.train.batch（[image]，batch\u size=B，name='batch'）
输出=推断（批处理图像）

---

然后在会话中，您必须使用

sample\u batch（）

函数中的文件名运行排队操作：

将tf.Session（）作为sess的

：
训练开始、排队、跑步者（）
对于范围内的i（NUM_步数）：
批处理文件名=样本批处理（）
run（排队，提要={input:batch\u filenames}）
sess.run（输出）

能否发布构建批处理的python脚本？我不清楚这个脚本到底要做什么：它是选择将哪些图像放入批处理，还是构造文件名或其他什么？生成批处理的脚本非常复杂，可能没有什么帮助。它必须存在的原因是数据的标签对应于训练示例之间的关系，而不是训练示例本身。脚本将确保该脚本被保留。因此，is通过以特定方式组合文件名组来“构造”批，然后计算适当的标签。