Ich habe die Namen und Beschriftungen eines Bildes als Liste und ich möchte einen Stapel von 64 Bildern/Beschriftungen erhalten. Ich könnte die Bilder richtig bekommen, aber für Beschriftungen ist ihre Dimension (64,8126). Jede Spalte hat 64 Mal das gleiche Element. Und Zeilen bestehen aus 8126 ursprünglichen Label-Werten, ohne gemischt zu werden.Wie behandelt man Etiketten in der Eingabepipeline?
Ich verstehe das Problem, dass tf.train.shuffle_batch für jeden Bild 8126 Element Label-Vektor berücksichtigt. Aber wie würde ich nur ein einzelnes Element für jedes Bild weitergeben?
def _get_images(shuffle=True):
"""Gets the images and labels as a batch"""
#get image and label list
_img_names,_img_class = _get_list() #list of image names and labels
filename_queue = tf.train.string_input_producer(_img_names)
#reader
image_reader = tf.WholeFileReader()
_, image_file = image_reader.read(filename_queue)
#decode jpeg
image_original = tf.image.decode_jpeg(image_file)
label_original = tf.convert_to_tensor(_img_class,dtype=tf.int32)
#print label_original
#image preprocessing
image = tf.image.resize_images(image_original, [224,224])
float_image = tf.cast(image,dtype=tf.float32)
float_image = tf.image.per_image_standardization(image)
#set the shape
float_image.set_shape((224, 224, 3))
#label_original.set_shape([8126]) #<<<<<=========== causes (64,8126) dimension label without shuffle
#parameters for shuffle
batch_size = 64
num_preprocess_threads = 16
num_examples_per_epoch = 8000
min_fraction_of_examples_in_queue = 0.4
min_queue_examples = int(num_examples_per_epoch *
min_fraction_of_examples_in_queue)
if shuffle:
images_batch, label_batch = tf.train.shuffle_batch(
[float_image,label_original],
batch_size=batch_size,
num_threads=num_preprocess_threads,
capacity=min_queue_examples + 3 * batch_size,
min_after_dequeue=min_queue_examples)
else:
images_batch, label_original = tf.train.batch(
[float_image,_img_class],
batch_size=batch_size,
num_threads=num_preprocess_threads,
capacity=min_queue_examples + 3 * batch_size)
return images_batch,label_batch
Greatttt verwenden !! Danke, sehr angenehm! –