Wie werden numpy Arrays in das Standard TensorFlow Format konvertiert?

Question

Ich habe zwei numpy Arrays

• eine, die captcha Bilder enthält und
• einem anderen, die die entsprechenden Etiketten (in One-Hot-Vektor-Format) enthält

I diese in TensorFlow zu ladende also kann ich sie mit einem neuronalen Netzwerk klassifizieren. Wie kann das gemacht werden?

Welche Form müssen die numpy Arrays haben?

Zusätzliche Informationen - My Bilder sind 60 (Höhe) von 160 (Breite) jeder und jede von ihnen Pixel 5 alphanumerische Zeichen haben

Jedes Etikett ist ein 5 um 62-Array.

Answer 1

Sie können Platzhalter und feed_dict verwenden.

Angenommen, wir haben numpy Arrays wie diese:

trX = np.linspace(-1, 1, 101) 
trY = 2 * trX + np.random.randn(*trX.shape) * 0.33 

Sie zwei Platzhalter erklären können:

X = tf.placeholder("float") 
Y = tf.placeholder("float") 

Verwenden Sie dann diese Platzhalter (X und Y) in Ihrem Modell, Kosten, etc. .: Modell = tf.mul (X, w) ... Y ... ...

Schließlich, wenn Sie das Modell/Kosten führen, die numpy Arrays füttern feed_dict mit:

with tf.Session() as sess: 
.... 
    sess.run(model, feed_dict={X: trY, Y: trY}) 

Answer 2

Sie können zu diesem Zweck tf.pack (tf.stack in TensorFlow 1.0.0) Methode verwenden. Hier ist, wie ein zufälliges Bild des Typs zu packen numpy.ndarray in ein Tensor:

import numpy as np 
import tensorflow as tf 
random_image = np.random.randint(0,256, (300,400,3)) 
random_image_tensor = tf.pack(random_image) 
tf.InteractiveSession() 
evaluated_tensor = random_image_tensor.eval() 

UPDATE: ein Python-Objekt zu einem Tensor konvertieren Sie tf.convert_to_tensor Funktion nutzen zu können.

Answer 3

Sie tf.convert_to_tensor() verwenden können:

import tensorflow as tf 
import numpy as np 

data = [[1,2,3],[4,5,6]] 
data_np = np.asarray(data, np.float32) 

data_tf = tf.convert_to_tensor(data_np, np.float32) 

sess = tf.InteractiveSession() 
print(data_tf.eval()) 

sess.close()