TensorFlow：用我自己的图像训练

Question

我是TensorFlow的新手。我正在寻找有关图像识别的帮助，可以在其中 训练自己的图像 数据集。

有没有训练新数据集的示例？

Answer 1

如果您对如何在TensorFlow中输入自己的数据感兴趣，可以查看本教程。
我也写与CS230的最佳做法指南在斯坦福这里。

新答案（带有tf.data）和带有标签

随着tf.datain的引入r1.4，我们可以创建一批没有占位符且没有队列的图像。步骤如下：

1. 创建一个包含图像文件名的列表和相应的标签列表
2. 创建tf.data.Dataset读取这些文件名和标签
3. 预处理数据
4. 从创建一个迭代器，该迭代器tf.data.Dataset将产生下一批

代码是：

# step 1
filenames = tf.constant(['im_01.jpg', 'im_02.jpg', 'im_03.jpg', 'im_04.jpg'])
labels = tf.constant([0, 1, 0, 1])

# step 2: create a dataset returning slices of `filenames`
dataset = tf.data.Dataset.from_tensor_slices((filenames, labels))

# step 3: parse every image in the dataset using `map`
def _parse_function(filename, label):
    image_string = tf.read_file(filename)
    image_decoded = tf.image.decode_jpeg(image_string, channels=3)
    image = tf.cast(image_decoded, tf.float32)
    return image, label

dataset = dataset.map(_parse_function)
dataset = dataset.batch(2)

# step 4: create iterator and final input tensor
iterator = dataset.make_one_shot_iterator()
images, labels = iterator.get_next()

现在我们可以直接运行，sess.run([images, labels])而无需通过占位符提供任何数据。

旧答案（使用TensorFlow队列）

概括起来，您有多个步骤：

1. 创建文件名列表（例如：图像的路径）
2. 创建一个TensorFlow 文件名队列
3. 读取和解码每个图像，将它们调整为固定大小（批处理必需）
4. 输出一批这些图像

最简单的代码是：

# step 1
filenames = ['im_01.jpg', 'im_02.jpg', 'im_03.jpg', 'im_04.jpg']

# step 2
filename_queue = tf.train.string_input_producer(filenames)

# step 3: read, decode and resize images
reader = tf.WholeFileReader()
filename, content = reader.read(filename_queue)
image = tf.image.decode_jpeg(content, channels=3)
image = tf.cast(image, tf.float32)
resized_image = tf.image.resize_images(image, [224, 224])

# step 4: Batching
image_batch = tf.train.batch([resized_image], batch_size=8)