Tensorflow 如何通过tf.image\u摘要查看多个图像

问题-张力板上只显示一张图像

受此启发

以下是代码：

图像阅读器---
#-rsq：具有[fn l]对的随机洗牌队列
def img_读取器_jpg（rsq）：
fn，label=rsq.dequeue（）
img_b=tf.read_文件（fn）
img_=tf.image.decode_jpeg（img_b，通道=3）
img_f=tf.cast（img_，tf.float32）
img_4=tf.expand_dims（img_f，0）
返回img_4，标签
#文件名和标签是预加载的
fv=tf.常数（fnames）
lv=tf.常数（ohl）
rsq=tf.RandomShuffleQueue（len（fnames），0[tf.string，tf.float32]）
do_enq=rsq.enqueue_many（[fv，lv]）
#阅读
图像，标签=img\U阅读器\U jpg（rsq）
#测试：一些op
im\u t=tf.placeholder（tf.float32，shape=[None，30,30,3]，name='img\u tensor'）
lab\u t=tf.placeholder（tf.float32，shape=[None，2]，name='lab\u tensor'）
some_op=tf.add（im_t，im_t）
ims\u op=tf.图像摘要（“img”，im\u t）
#服务运营
初始化所有变量（）
#运行它
使用tf.Session（）作为sess：
summary_writer=tf.train.summary writer（summary_dir，graph_def=sess.graph_def）
打印“日志地址：”，汇总目录
sess.run（初始化操作）
sess.run（do_enq）
打印“rsq.size:”，rsq.size（）.eval（）
对于X范围内的i（5）：
打印“\ni:”，i
img_i，lab_i=sess.run（[图像，标签]）#读取图像-对吗？
打印“I:”，img_I.shape，“L:”，lab_I
馈送地址={
im\u t:img\u i
}
img2=sess.run（[some_op]，feed_dict=feed_dict）
#现在是总结部分
imss=sess.run（ims\u op，feed\u dict=feed\u dict）
#打印“imss”，imss
摘要作者。添加摘要（imss，i）
打印“rsq.size:”，rsq.size（）.eval（）
总结_writer.close（）
打印“ok”

以下是输出：

log at:/mnt/code/test\u 00/log/2016-01-09 17:10:37
面积：1225
i:0
I:（1,30,30,3）L:[1.0]
i:1
I:（1,30,30,3）L:[1.0]
i:2
I:（1,30,30,3）L:[0.1]
i:3
I:（1,30,30,3）L:[0.1]
i:4
I:（1,30,30,3）L:[0.1]
rsq.尺寸：1220
好啊

看起来不错

• 交付了5对[图像标签]
• 如果我取消注释打印“imss”，imss我可以看到5个不同的缓冲区，每个缓冲区都有自己的png图像
• op图在TB中看起来正常

但是，TB中只有一个图像。我怀疑我错过了一些关于TF如何工作的重要信息。在图形执行时是什么导致了什么

---

第二个问题：我需要做什么才能看到结果，即TB中的img2=img+img？

你是对的，你只能看到一张图像。在每个for循环中调用一次image summary op，每次调用它时，都会传递一个映像

要想看到所有想要看到的图像，可以将这些图像编译成一个张量。如果我们参考TensorFlow API（链接总是会更改，所以请查找最新的链接）

tf.图像汇总（标记、张量、最大图像=3、集合=None、， 名称=无）

从TF 1.0.0开始，是这样的：

tf.summary.image（名称，张量，最大输出=3，集合=None）

把你的“多图像张量”放进去，把max_images设置为你拥有的图像数量，你应该能够看到TensorBoard中的所有图像

---

如果仍然存在问题，请告诉我。

从r0.12开始，

tf.image\u summary

已替换为

---

我做了“多图像张量”

image\u summary

——它确实有效。但我们并没有用多维张量来存储标量摘要——我们只是在每次训练迭代中写入当前标量。那么，为什么图像会有不同的行为呢？我会给你的答案打上“ok”的标记，因为它提供了一些解决方法。你说的对，图像有不同的行为。之所以可能如此，一个合乎逻辑的原因是，标量摘要的大小很小，而且很容易累积。如果要积累所有图像摘要，我可以想象摘要文件会相当大。如果您希望TensorBoard中有这样的功能，也许您可以在他们的GitHub上提出这个问题。那里的人会给出比我更好的答案。

tf.summary.image(name, tensor, max_outputs=3, collections=None)