tensorflow进阶笔记 --- #3# --- 关于怎么在TFrecord中存储图像的array
TFrecord是一个Google提供的用于深度学习的数据格式,个人觉得很方便规范,值得学习。本文主要讲的是怎么存储array,别的数据存储较为简单,举一反三就行。
在TFrecord中的数据都需要进行一个转化的过程,这个转化分成三种
- int64
- float
- bytes
一般来讲我们的图片读进来以后是两种形式,
- tf.image.decode_jpeg 解码图片读取成 (width,height,channels)的矩阵,这个读取的方式和cv2.imread以及ndimage.imread一样
- tf.image.convert_image_dtype会将读进来的上面的矩阵归一化,一般来讲我们都要进行这个归一化的过程。归一化的好处可以去查。
但是存储在TFrecord里面的不能是array的形式,所以我们需要利用tostring()将上面的矩阵转化成字符串再通过tf.train.BytesList转化成可以存储的形式。
下面给个实例代码,大家看看就懂了
adjust_pic.py : 作用就是转化Image大小
# -*- coding: utf-8 -*- import tensorflow as tf def resize(img_data, width, high, method=0): return tf.image.resize_images(img_data,[width, high], method)
pic2tfrecords.py :将图片存成TFrecord
# -*- coding: utf-8 -*-
# 将图片保存成 TFRecord
import os.path
import matplotlib.image as mpimg
import tensorflow as tf
import adjust_pic as ap
from PIL import Image SAVE_PATH = 'data/dataset.tfrecords' def _int64_feature(value): return tf.train.Feature(int64_list=tf.train.Int64List(value=[value])) def _bytes_feature(value): return tf.train.Feature(bytes_list=tf.train.BytesList(value=[value])) def load_data(datafile, width, high, method=0, save=False): train_list = open(datafile,'r') # 准备一个 writer 用来写 TFRecord 文件 writer = tf.python_io.TFRecordWriter(SAVE_PATH) with tf.Session() as sess: for line in train_list: # 获得图片的路径和类型 tmp = line.strip().split(' ') img_path = tmp[0] label = int(tmp[1]) # 读取图片 image = tf.gfile.FastGFile(img_path, 'r').read() # 解码图片(如果是 png 格式就使用 decode_png) image = tf.image.decode_jpeg(image) # 转换数据类型 # 因为为了将图片数据能够保存到 TFRecord 结构体中,所以需要将其图片矩阵转换成 string,所以为了在使用时能够转换回来,这里确定下数据格式为 tf.float32 image = tf.image.convert_image_dtype(image, dtype=tf.float32) # 既然都将图片保存成 TFRecord 了,那就先把图片转换成希望的大小吧 image = ap.resize(image, width, high) # 执行 op: image image = sess.run(image) # 将其图片矩阵转换成 string image_raw = image.tostring() # 将数据整理成 TFRecord 需要的数据结构 example = tf.train.Example(features=tf.train.Features(feature={ 'image_raw': _bytes_feature(image_raw), 'label': _int64_feature(label), })) # 写 TFRecord writer.write(example.SerializeToString()) writer.close() load_data('train_list.txt_bak', 224, 224)
tfrecords2data.py :读取Tfrecord里的内容
# -*- coding: utf-8 -*-
# 从 TFRecord 中读取并保存图片
import tensorflow as tf
import numpy as np SAVE_PATH = 'data/dataset.tfrecords' def load_data(width, high): reader = tf.TFRecordReader() filename_queue = tf.train.string_input_producer([SAVE_PATH]) # 从 TFRecord 读取内容并保存到 serialized_example 中 _, serialized_example = reader.read(filename_queue) # 读取 serialized_example 的格式 features = tf.parse_single_example( serialized_example, features={ 'image_raw': tf.FixedLenFeature([], tf.string), 'label': tf.FixedLenFeature([], tf.int64), }) # 解析从 serialized_example 读取到的内容 images = tf.decode_raw(features['image_raw'], tf.uint8) labels = tf.cast(features['label'], tf.int64) with tf.Session() as sess: # 启动多线程 coord = tf.train.Coordinator() threads = tf.train.start_queue_runners(sess=sess, coord=coord) # 因为我这里只有 2 张图片,所以下面循环 2 次 for i in range(2): # 获取一张图片和其对应的类型 label, image = sess.run([labels, images]) # 这里特别说明下: # 因为要想把图片保存成 TFRecord,那就必须先将图片矩阵转换成 string,即: # pic2tfrecords.py 中 image_raw = image.tostring() 这行 # 所以这里需要执行下面这行将 string 转换回来,否则会无法 reshape 成图片矩阵,请看下面的小例子: # a = np.array([[1, 2], [3, 4]], dtype=np.int64) # 2*2 的矩阵 # b = a.tostring() # # 下面这行的输出是 32,即: 2*2 之后还要再乘 8 # # 如果 tostring 之后的长度是 2*2=4 的话,那可以将 b 直接 reshape([2, 2]),但现在的长度是 2*2*8 = 32,所以无法直接 reshape # # 同理如果你的图片是 500*500*3 的话,那 tostring() 之后的长度是 500*500*3 后再乘上一个数 # print len(b) # # 但在网上有很多提供的代码里都没有下面这一行,你们那真的能 reshape ? image = np.fromstring(image, dtype=np.float32) # reshape 成图片矩阵 image = tf.reshape(image, [224, 224, 3]) # 因为要保存图片,所以将其转换成 uint8 image = tf.image.convert_image_dtype(image, dtype=tf.uint8) # 按照 jpeg 格式编码 image = tf.image.encode_jpeg(image) # 保存图片 with tf.gfile.GFile('pic_%d.jpg' % label, 'wb') as f: f.write(sess.run(image)) load_data(224, 224)
以上代码摘自TFRecord 的使用,觉得挺好的,没改原样照搬,我自己做实验时改了很多,因为我是在im2txt的基础上写的。
tensorflow进阶笔记 --- #3# --- 关于怎么在TFrecord中存储图像的array相关推荐
- Angularjs进阶笔记(2)—自定义指令中的数据绑定
[摘要]有关自定义指令的scope参数,网上很多文章都在讲这3种绑定方式实现的效果是什么,但几乎没有人讲到底怎么使用,本篇希望聊聊到底怎么用这个话题. 一. 自定义指令 自定义指令,是Angularj ...
- TensorFlow学习笔记——使用TFRecord进行数据保存和加载
本篇文章主要介绍如何使用TensorFlow构建自己的图片数据集TFRecord的方法,并使用最新的数据处理Dataset API进行操作. TFRecord TFRecord数据文件是一种对任何数据 ...
- TensorFlow学习笔记(二十四)自制TFRecord数据集 读取、显示及代码详解
在跑通了官网的mnist和cifar10数据之后,笔者尝试着制作自己的数据集,并保存,读入,显示. TensorFlow可以支持cifar10的数据格式, 也提供了标准的TFRecord 格式,而关于 ...
- 【Tensorflow教程笔记】TensorFlow Datasets 数据集载入
Tensorflow教程笔记 基础 TensorFlow 基础 TensorFlow 模型建立与训练 基础示例:多层感知机(MLP) 卷积神经网络(CNN) 循环神经网络(RNN) 深度强化学习(DR ...
- TensorFlow学习笔记02:使用tf.data读取和保存数据文件
TensorFlow学习笔记02:使用tf.data读取和保存数据文件 使用`tf.data`读取和写入数据文件 读取和写入csv文件 写入csv文件 读取csv文件 读取和保存TFRecord文件 ...
- Android进阶笔记:Messenger源码详解
Messenger可以理解为一个是用于发送消息的一个类用法也很多,这里主要分析一下再跨进程的情况下Messenger的实现流程与源码分析.相信结合前面两篇关于aidl解析文章能够更好的对aidl有一个 ...
- Tensorflow学习笔记6:解决tensorflow训练过程中GPU未调用问题
Tensorflow学习笔记6:解决tensorflow训练过程中GPU未调用问题 参考文章: (1)Tensorflow学习笔记6:解决tensorflow训练过程中GPU未调用问题 (2)http ...
- tensorflow学习笔记(三十二):conv2d_transpose (解卷积)
tensorflow学习笔记(三十二):conv2d_transpose ("解卷积") deconv解卷积,实际是叫做conv_transpose, conv_transpose ...
- tensorflow学习笔记二——建立一个简单的神经网络拟合二次函数
tensorflow学习笔记二--建立一个简单的神经网络 2016-09-23 16:04 2973人阅读 评论(2) 收藏 举报 分类: tensorflow(4) 目录(?)[+] 本笔记目的 ...
最新文章
- VScode操作记录
- 安卓最新系统_你的Windows电脑即将可以运行最新版安卓系统
- VisualSVN Server安装过程
- 第四次上课 PPT作业
- jmeter异步请求测试_使用JMeter对异步HTTP / REST服务进行压力/负载测试
- P1372 又是毕业季I
- 《Nodejs入门》一书中存在的问题分析[转]
- 把js封装到html,什么是javascript封装?
- html5毕业论文总结,毕业论文小结(精选多篇)
- 体脂的计算Java_简单测试体脂率的两种经验公式
- RFID技术在物联网中有哪些应用
- 2021 书单推荐 | 15 本高分 AI 书籍,统统免费读
- MaskRCNN使用tf-gpu环境搭建实战
- 【机器学习】Decision Tree 决策树算法详解 + Python代码实战
- SAP BW: 小生长谈Delta - 2 (Update Mode)
- Win10已配对成功的蓝牙耳机无法删除怎么办?电脑蓝牙连接不成功、删除失败,显示此项不起作用。请确保你的蓝牙设备仍可以检测到,然后再试一次。
- 蓝桥杯.第几个幸运数字(数学_因子)
- 自己写php模板引擎,如何用php编写一个简单的模板引擎(附代码)
- AUC评价指标的原理和实验
- 科技赋能,泰然金融开启上市征程
热门文章
- 【设计模式与Android】备忘录模式——在齐太史简
- 电脑桌面上做工作计划的便签软件是啥?
- Java使用ffmpeg进行视频格式转换、音视频合并、播放、截图
- 【Marva Collins' Way】第十章
- python3多线程爬虫小说_python3+beautifulSoup4.6抓取某网站小说(四)多线程抓取
- 分享一个超好看回忆相册(代码自取)
- 世界上第一台电子计算机很大 质量为35吨,世界上第一台电子计算机很大.质量为35吨.比一头大象体重的6倍还多0.2吨.一头大象重多少吨? 题目和参考答案——青夏教育精英家教网——...
- cartographer 用自己的机器人建图、保存地图
- 如何修改ZBrush 4R7中工作区颜色
- openGauss分区表如何实现大数据量的快速转移