tensorflow处理自己的图像数据(不使用队列)
来源:互联网 发布:nature数据库使用 编辑:程序博客网 时间:2024/06/05 11:52
我们的原数据:某路径下的图片数据(比如*.jpg)
所需目标数据:一个包含batch_size张图的tensor,大小为[batch_size, image_height, image_width, channel],tensor的dtype为tf.float32。
我的图片比较少,随便选了9张
要是图片很多的话,直接用切片方法就ok了
话不多说,直接上程序:
import globimport scipy.miscimport numpy as npimport tensorflow as tf#获取指定目录下所有图片,返回一个列表data = glob.glob(r'F:\picture_data\*.jpg')print(data)'''输出为:['F:\\picture_data\\brush1.jpg', 'F:\\picture_data\\girl_1.jpg', 'F:\\picture_data\\Joseph_Mallord_William_Turner_-_Raby_Castle,_the_Seat_of_the_Earl_of_Darlington_-_Walters_3741.jpg', 'F:\\picture_data\\Joseph_Mallord_William_Turner_Self_Portrait_1799.jpg', 'F:\\picture_data\\MDBCaEJVd3JUK0RTTXJlM2dZSXJkMVR2bFBNY05hTzRZN0xqbFBNYm9Yb1JxM3RRVEt1T2lnPT0.jpg', 'F:\\picture_data\\Meisje_met_de_parel.jpg', 'F:\\picture_data\\Slave-ship.jpg', 'F:\\picture_data\\VanGogh-starry_night.jpg', 'F:\\picture_data\\Van_Gogh_Vase_with_Fifteen_Sunflowers.jpg']'''#我只有9张图做示范,图片数据量大时,采用切片方法即可#data_batch = data[idx*batch_size: (idx+1)*batch_size]#get_image函数的作用是:将每张图片转化为指定大小的tensor#path:路径#output_height, output_width:指定目标图片大小#scipy.misc.imread函数:直接读取目标路径下的图片,其返回值为一个3维的像素值#tf.image.resize_image_with_crop_or_pad作用:输入图片像素值及指定图像大小,输出指定图像#以图像的几何中心为基础进行crop或pad(pad就是补0)def get_image(path, output_height, output_width): image = scipy.misc.imread(path).astype(np.float32) return tf.image.resize_image_with_crop_or_pad(image, output_height, output_width)batch = [get_image(batchs, 500, 500) for batchs in data]print(batch)'''输出为:[<tf.Tensor 'control_dependency_3:0' shape=(500, 500, 3) dtype=float32>, <tf.Tensor 'control_dependency_7:0' shape=(500, 500, 3) dtype=float32>, <tf.Tensor 'control_dependency_11:0' shape=(500, 500, 3) dtype=float32>, <tf.Tensor 'control_dependency_15:0' shape=(500, 500, 3) dtype=float32>, <tf.Tensor 'control_dependency_19:0' shape=(500, 500, 3) dtype=float32>, <tf.Tensor 'control_dependency_23:0' shape=(500, 500, 3) dtype=float32>, <tf.Tensor 'control_dependency_27:0' shape=(500, 500, 3) dtype=float32>, <tf.Tensor 'control_dependency_31:0' shape=(500, 500, 3) dtype=float32>, <tf.Tensor 'control_dependency_35:0' shape=(500, 500, 3) dtype=float32>]'''#将list转化为arraybatch_images = np.array(batch)print(batch_images)'''输出为:[<tf.Tensor 'control_dependency_3:0' shape=(500, 500, 3) dtype=float32> <tf.Tensor 'control_dependency_7:0' shape=(500, 500, 3) dtype=float32> <tf.Tensor 'control_dependency_11:0' shape=(500, 500, 3) dtype=float32> <tf.Tensor 'control_dependency_15:0' shape=(500, 500, 3) dtype=float32> <tf.Tensor 'control_dependency_19:0' shape=(500, 500, 3) dtype=float32> <tf.Tensor 'control_dependency_23:0' shape=(500, 500, 3) dtype=float32> <tf.Tensor 'control_dependency_27:0' shape=(500, 500, 3) dtype=float32> <tf.Tensor 'control_dependency_31:0' shape=(500, 500, 3) dtype=float32> <tf.Tensor 'control_dependency_35:0' shape=(500, 500, 3) dtype=float32>]'''
阅读全文
0 0
- tensorflow处理自己的图像数据(不使用队列)
- 使用Tensorflow训练自己的分割数据
- 使用tensorflow训练自己的数据
- 【TensorFlow】数据处理(对图像的处理)
- Tensorflow学习笔记--使用迁移学习做自己的图像分类器(Inception v3)
- 使用caffe训练自己的图像数据
- 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
- 用Tensorflow处理自己的数据:制作自己的TFRecords数据集
- Tensorflow使用TFRecord构建自己的数据集并读取
- Tensorflow 使用自己的数据集(翻译官网)
- pytorch使用(一)处理并加载自己的数据
- 使用 matlab 数字图像处理(三)—— 实现图像的旋转(不使用 imrotate)
- Tensorflow 训练自己的数据集(二)(TFRecord)
- TensorFlow——训练自己的数据(一)数据处理
- tensorflow 构建CNN识别自己的数据(类似于MNSIT)
- Tensorflow + ResNet101 + fasterRcnn 训练自己的模型 数据(一)
- 使用OpenCV和MFC做图像处理(自己的毕设论文,现公布出来)
- codeforces Div.2 899D Shovel Sale
- 插入查询操作
- Kotlin之字符串模板
- cocos2dx游戏中添加背景音乐、音效
- TeamViewer破解试用期(已过试用期)
- tensorflow处理自己的图像数据(不使用队列)
- YUV的一个不错的网站
- UITableView显示默认分割线左边部分缺少显示问题解决
- MySQL字符串函数substring:字符串截取
- MapReduce表连接操作之Reduce端join
- 简练网软考知识点整理-项目风险事件及项目风险特点
- JAVA 方法区与堆--java7前,java7,java8各不相同
- Linux进程组调度机制分析
- 面试官更喜欢什么样的Java程序员