如何使用分组的图像和数据集使用tensorflow进行训练？

假设我有一个从多个角度拍摄的物体，我如何告诉tensorflow组合的图像是一个物体，而不是分开的物体？所有教程似乎都涵盖了每堂课的单个图像

例如，此结构：

-vegetables
├───carrot
│   ├───carrot_1
│   │   └───image_1.jpg
│   │   └───image_2.jpg
│   │   └───image_3.jpg
│   └───carrot_2
│       └───image_1.jpg
├───potato
│   ├───potato_1
│   │   └───image_1.jpg

---

将来我还想将这些图像与更多传感器输出结合起来。

嘿，韦斯利，我不确定你到底想要什么。你的问题陈述非常广泛。你想使用什么样的网络，你的问题陈述是什么，等等。基本上我想根据蔬菜的质量来分类。通过培训确定蔬菜的质量。所以我有不同类型的蔬菜，其中有1000多套图像，每套由30多张图像组成。每组图像代表一块单独的蔬菜。所以有500个胡萝卜图像集，每个都有30多个图像。然后有600个土豆图像集等。Tensorflow必须理解这些是单独的对象，因为在一张图像上可能存在诸如腐烂之类的缺陷，但在另一张图片上可能不存在，希望这是有意义的。我将用这些信息重新发布您的问题，并询问人们解决此问题的方法是什么！