Tensorflow 类似MNIST的问题。卷积神经网络

这对一些人来说应该很容易，但我对Tensorflow有点陌生，我所有的研究都让我想到了数千行Git，我只是好奇对于初学者来说是否有更简单的选择。我有一个想法，输入200x260彩色图像，输出1-10之间的一个热向量。我意识到它与MNIST非常相似，但Tensorflow没有任何关于MNIST库如何将其图像转换为可用形式的文档。有人有没有想法把一个包含200张左右图片（是的，我知道，很小）的文件夹变成一个可用的形式？我已经有一个热向量了。另外，我将占位符形状设置为

tf.placeholder（tf.float32[None，200260，3]）

这样行吗？我真的更喜欢保持颜色。谢谢你的提示

首先，您可以使用

imread

从

skimage

例如：

my_image = skimage.io.imread('./path/myimage.png')

然后，如果它们都是您想要的大小（200x260），那么您可以通过将它们全部除以255（标准化为0到1之间的值）来标准化它们。如果没有，您可以使用

浏览

中的

调整大小

，这将为您自动调整图像大小并使其正常化

比如说

my_image = skimage.transform.resize(my_image, (200, 260))

要使其可视化，可以使用

imshow

from

matplotlib.pyplot

来打印图像

为了方便地获取下一批内置的

Tensorflow

，您可以使用以下代码

i = 0
def next_batch(batch_size):
    x = training_images[i:i + batch_size]
    y = training_labels[i:i + batch_size]
    i = (i + batch_size) % len(training_images)
    return x, y

---

然后你可以创建你的CNN并训练图像。您为

X

创建的占位符看起来不错。

一开始我也在努力解决这个问题，但我知道将数据转换为tensorflow的最佳方法是将图像转换为tfRecord格式。特别是如果您有一个不适合RAM的大型数据集。这样，tensorflow就可以根据需要加载数据（您需要提供输入函数来将文件转换回来）。 虽然这可能不是/当然不是最简单的方法，但从长远来看，如果您想添加更多图像，这可能是最好的方法

---

最简单的方法就是使用pillow或任何其他图像库（我假设您使用的是python的tensorflow）加载图像，并在运行会话时将其交给tensorflow。

Wow。这是我得到的最快的回应。也正是我想要的。非常感谢。没问题，我还添加了一些示例代码，甚至更好。：）我用skimage开始了一个小测试，我使用pip下载了它（然后是网站试图修复错误），但不幸的是，我得到了错误

回溯（最后一次调用）：文件“imgtest.py”，第4行，在image=skimage.io.imread（'./shoes/1.jpg'）中AttributeError：模块“skimage”没有属性“io”

有什么想法吗？似乎我能用scipy.misc得到类似的东西。一切都好！那很有趣。我一定要试试，因为这个实验是成功的。我想我会研究更大的数据集，这样肯定会有帮助。谢谢