学习使用tfrecord来训练自己数据踩过的坑
来源:互联网 发布:淘宝网如何绑定银行卡 编辑:程序博客网 时间:2024/06/09 03:28
最近这两天一直在研究怎么训练自己的网络。通常方法有三种,其中一种比较典型的就是使用tfrecord的形式,将数据转化为tensorflow通用的格式,送入到网络中,首先看了一些相关的参考资料,答题思路都基本是一致的,都是先把原始图片和标签图片依次读入,然后转化为string类型,由于python3.2之后,tostring()被弃用了,所以,可以利用与其功能近似的tobyte(),然后利用tf.train.Example来得到example,最后写入到.tfrecord文件中,此时,即完成了tfrecord文件的生成。
在此过程中,发现一个问题,就是PIL.Image.open函数得到的结果形式如下:
而用scipy.misc的imread读取图片的时候,正常是读出一个array的矩阵:
此时,原本的标签mask是一个通道的,我经过imread读取之后,也会变成三个通道。
python读取文件较为常用的方法:
参考百度知道:百度知道
PIL.Image.open
代码:Pillow/Image.py at 3.1.x · python-pillow/Pillow · GitHub
open() 函数打开图像,但并不读入,直到有操作发生。
具体的读取操作是在 ImageFile.py 写的。大体流程是先检测文件类型,整块地读入文件内容,然后调用解码器解码,做了很多优化。
scipy.ndimage.imread
代码:scipy/io.py at v0.17.1 · scipy/scipy · GitHub
imread 调用 scipy.misc.pilutil.imread。其实调用的还是 Pillow。
根据 pilutil 代码:scipy/pilutil.py at v0.17.1 · scipy/scipy · GitHub
确实是调用 pil.image.open(),然后返回一个 fromimage()。
scipy.misc.imread
misc 的 init.py :scipy/init.py at v0.17.1 · scipy/scipy · GitHub
调用的还是 pilutil 中的 imread。
skimage.io.imread
代码:scikit-image/_io.py at master · scikit-image/scikit-image · GitHub
通过插件 plugin 读入不同的文件,会试用几个不同的 plugins 来找到合适的。
使用 call_plugin 来调用,代码:scikit-image/manage_plugins.py at master · scikit-image/scikit-image · GitHub
plugins 的源代码:scikit-image/skimage/io/_plugins at master · scikit-image/scikit-image · GitHub。 pil 的 imread,是用 open 打开图像之后,再转换成 ndarray。
cv2.imread
调用的 CV::imread(),代码:opencv/loadsave.cpp at master · opencv/opencv · GitHub。一般来说 C\C++ 的实现,应该比 python 速度快一点。
matplotlib.image.imread
matplotlib 原生只可以读取 PNG 文件,有 PIL 的时候,可以读取其他类型的文件。如果使用 URL 打开在线图像文件,需要符合 PIL 的文档要求。
matplotlib.image.imread 代码:matplotlib/image.py at master · matplotlib/matplotlib · GitHub。matplotlib 的原生 PNG 读取和写入,是用 C 实现的,代码:matplotlib/_png.cpp at master · matplotlib/matplotlib · GitHub。
matplotlib 先用 pil 的 open 打开图像,如果格式是 png,就用原生方法打开。
声明的处理器只有 png。如果是 png 文件,调用 _png.read_png。如果不是 png 直接使用 pilread(就是用 pil 的 Image.open 然后 pil_to_array)。
- 学习使用tfrecord来训练自己数据踩过的坑
- Tensorflow 训练自己的数据集(二)(TFRecord)
- Tensorflow使用TFRecord构建自己的数据集并读取
- opencv_haartraining.exe 训练数据集自己经历过的坑
- TensorFlow 制作自己的TFRecord数据集
- TensorFlow 制作自己的TFRecord数据集
- 制作自己的数据集tfrecord格式
- TensorFlow 学习(二) 制作自己的TFRecord数据集,读取,显示及代码详解
- Tensorflow教程学习笔记(一)----将自己的数据集转换成TFRecord
- 深度学习 9. MatConvNet 利用mnist的model来训练自己的data。MatConvNet 训练自己数据(一)。
- 【YOLO学习】使用YOLO v2训练自己的数据
- 【YOLO学习】使用YOLO v2训练自己的数据
- 将自己的数据集制作成TFRecord格式
- 使用别人训练好的caffemodel来测试自己的数据集(only c++)
- 使用caffe框架利用faster-rcnn来训练自己的数据集
- Caffe学习(3):训练自己的数据
- TFRecord 的使用
- Caffe上训练使用自己的数据
- 9.23【NOIP模拟总结】
- ReadMe
- XTU C语言程序设计实践作业4
- ele嘛~~~~~~~~~~~~~~~~~~
- 第四节初识面向对象及eclipse快捷键
- 学习使用tfrecord来训练自己数据踩过的坑
- Django1.9.8项目配置
- Android之面试常见问题
- bat批处理的注释语句
- 报错: reason: 'data parameter is nil' 本地JSON文件找不到
- 将本地项目提交github
- IntegrityError: (1452, 'Cannot add or update a child row: a foreign key constrai nt fails (`mxonline
- HAOI2010 计数
- 巴什博弈