利用tensorflow训练自己的图片数据(1)——预处理
来源:互联网 发布:java策略模式接口意义 编辑:程序博客网 时间:2024/05/15 03:24
一. 准备原始数据
首先,我们需要准备训练的原始数据,本次训练为图像分类识别,因而一开始,笔者从网上随机的下载了Dog的四种类别:husky,jiwawa,poodle,qiutian。每种类别30种,一共120张图片。在训练之前,需要做的就是进行图像的预处理,即将这些大小不一的原始图片转换成我们训练需要的shape。
下载的原始图片分别放到同一文件的不同文件夹下,如:
二. 编程实现
该部分包括:制作Tfrecords,读取Tfrecords数据获得iamge和label,打印验证并保存生成的图片。
运行程序,得到的结果都保存在gen_picture文件中。一方面,我们可以通过生成图片的命名,验证label是否与图片对应;另一方面,我们将生成的120张图片按照图片命名中的label,分别放到四个不同的文件夹下,作为后续操作的inputdata数据,如下:
此处生成的四类图片husky,jiwawa,poodle,qiutian;其shape = 64 x 64,大小一致,一共120张
阅读全文
0 0
- 利用tensorflow训练自己的图片数据(1)——预处理
- 利用tensorflow训练自己的图片数据(1)——预处理
- 利用tensorflow训练自己的图片数据(4)——神经网络训练
- 利用tensorflow训练自己的图片数据(5)——测试训练网络
- 利用tensorflow训练自己的图片数据(2)——输入图片处理
- 利用tensorflow训练自己的图片数据(2)——输入图片处理
- 利用tensorflow训练自己的图片数据(3)——建立网络模型
- TensorFlow——训练自己的数据(一)数据处理
- TensorFlow——训练自己的数据(三)模型训练
- 利用TensorFlow Object Detection API 训练自己的数据集
- TensorFlow——训练自己的数据——CIFAR10(一)数据准备
- TensorFlow——训练自己的数据(二)模型设计
- TensorFlow——训练自己的数据(四)模型测试
- TensorFlow——训练自己的数据(五)模型评估
- 利用Tensorflow构建自己的图片数据集TFrecords
- caffe利用caffenet训练自己的图片数据
- Tensorflow 训练自己的数据集(二)(TFRecord)
- Tensorflow + ResNet101 + fasterRcnn 训练自己的模型 数据(一)
- findfile
- 什么是jvm
- Angular 导出CSV表
- 代码查看工具source insight 安装破解说明
- 前端之js跨域
- 利用tensorflow训练自己的图片数据(1)——预处理
- rtl usb无线网卡驱动
- 批量处理
- springMVC的restful风格
- .NET 使用 ODP.NET 组件访问Oracle提示 外部组件发生异常 错误的解决办法
- go install 命令
- Android 触摸事件传递机制
- 直播系统源码卢本伟你真牛逼啊,俺媳妇都知道你了!
- CSS3实现过渡效果 (transition)