Ich habe gerade begonnen, TensorFlow in Python zu verwenden. Ich möchte einen binären Bildklassifizierer mit CNN erstellen.Verwenden von MNIST TensorFlow Beispielcode zum Trainieren eines Netzwerks mit meinem eigenen Bilddatensatz
fand ich ein Beispiel-Code im Internet: https://github.com/tensorflow/tensorflow/blob/r1.1/tensorflow/examples/tutorials/mnist/mnist_with_summaries.py Die Erklärung hier gegeben: https://www.tensorflow.org/get_started/mnist/pros Dieser Code ein kleines neuronales Netz baut und nutzt die MNIST Dataset es zu trainieren und zu testen.
Ich verstand grob die Funktionsweise des CNN, aber ich habe den Code Zeile für Zeile nicht verstanden.
Ich möchte den gleichen Code mit meinem eigenen Datensatz von Bildern (für Training und Test) verwenden. Im Beispiel werden die Eingabebilder in mx784 konvertiert, wobei m die Anzahl der Trainings-/Testbeispiele und 784 von abgeflachten Bildern der Größe 28x28 ist. Ich habe alle meine Bilder in ein Array der Größe mx1024 unter Verwendung eines Python-Skripts konvertiert und die Grundwahrheit in ein Array der Größe mx1 umgewandelt. Ich habe sie in der Textdatei als X.txt und y.txt gespeichert.
Jetzt im Code habe ich die Abmessungen nach meinen Bildmaßen geändert. Ich bin jedoch verwirrt, wie man die Bilder in das Netzwerk einspeist. Gibt es einen anderen Ausweg als den Code Zeile für Zeile durchzugehen? Ich wäre Ihnen sehr dankbar, wenn Sie mir helfen könnten.
Sie so viel @A Dank. Piro. Der Link, den Sie angegeben haben, ist derselbe Ort, von dem aus ich alles über TensorFlow gelernt habe. Ich denke, ich sollte mich eher Zeile für Zeile verstehen, wie Sie gesagt haben. Danke :) –
Ja, ich habe meinen ersten Schritt in praktisches maschinelles Lernen gemacht mit diesem wie vor 3 Monaten, also weiß ich, was du durchgehst;) aber dieser Tuto ist einfach genial! –
Ich habe den Code durchgegangen und ich glaube, ich habe das meiste verstanden. Ich bin in der Lage gewesen, meine Bilder zu laufen, indem ich den gleichen Beispielcode anpasste, um meiner speziellen Anforderung zu entsprechen. Allerdings kann ich zwei Anomalien sehen: 1) Die Genauigkeit im Allgemeinen erhöht, aber schwankt bei jedem Schritt (nicht bei jedem Schritt) 2) Die Genauigkeit nach 500 Schritten geht nach Nan. Ich kann einen möglichen Grund erraten - Der MNIST-Beispielcode sollte mit Schwarz-Weiß-Bildern arbeiten. Meine Bilder sind jedoch Graustufen. –