在张量流中加载图像文件夹

Question

我是 tensorflow 的新手，但我已经关注并执行了他们推广的教程以及网络上的许多其他教程。 我在 MNIST 图像上做了一个小的卷积神经网络。没什么特别的，但我想在我自己的图像上进行测试。 现在我的问题来了：我创建了几个文件夹；每个文件夹的名称是里面的图像所属的类（标签）。

图像有不同的形状；我的意思是它们没有固定的大小。

如何加载它们以与 Tensorflow 一起使用？

我在 StackOverflow 和其他问答网站上都遵循了许多教程和答案。但是，我仍然没有弄清楚如何做到这一点。

Answer 1

要加载相同大小的图像，只需使用以下命令：

tf.keras.preprocessing.image_dataset_from_directory(dir)

文档：https://www.tensorflow.org/api_docs/python/tf/keras/preprocessing/image_dataset_from_directory

Answer 2

tf.data API（从 tensorflow 1.4 开始）非常适合这样的事情。管道将如下所示：

• 创建一个初始的 tf.data.Dataset 对象以迭代所有示例
• （如果是训练）shuffle/repeat 数据集；
• map它通过一些使所有图像大小相同的功能；
• batch;
• （可选）prefetch 告诉您的程序在网络处理当前批次时收集预处理后续批次的数据；和
• 并获取输入。

有多种方法可以创建您的初始数据集（请参阅here 以获得更深入的答案）

带有 TensorFlow 数据集的 TFRecords

支持 tensorflow 1.12 及以上版本，Tensorflow datasets 提供了一个相对简单的 API 用于创建 tfrecord 数据集，并自动处理数据下载、分片、统计生成等功能。

参见例如this image classification dataset implementation。里面有很多记账的东西（下载网址、引用等），但技术部分归结为指定 features 并编写 _generate_examples 函数

features = tfds.features.FeaturesDict({
            "image": tfds.features.Image(shape=(_TILES_SIZE,) * 2 + (3,)),
            "label": tfds.features.ClassLabel(
                names=_CLASS_NAMES),
            "filename": tfds.features.Text(),
        })

...

def _generate_examples(self, root_dir):
  root_dir = os.path.join(root_dir, _TILES_SUBDIR)
  for i, class_name in enumerate(_CLASS_NAMES):
    class_dir = os.path.join(root_dir, _class_subdir(i, class_name))
    fns = tf.io.gfile.listdir(class_dir)

    for fn in sorted(fns):
      image = _load_tif(os.path.join(class_dir, fn))
      yield {
          "image": image,
          "label": class_name,
          "filename": fn,
      }

---

您还可以使用较低级别的操作生成tfrecords。

通过tf.data.Dataset.map和tf.py_func(tion)加载图片

或者，您可以从tf.data.Dataset.map 中的文件名加载图像文件，如下所示。

image_paths, labels = load_base_data(...)
epoch_size = len(image_paths)
image_paths = tf.convert_to_tensor(image_paths, dtype=tf.string)
labels = tf.convert_to_tensor(labels)

dataset = tf.data.Dataset.from_tensor_slices((image_paths, labels))

if mode == 'train':
    dataset = dataset.repeat().shuffle(epoch_size)


def map_fn(path, label):
    # path/label represent values for a single example
    image = tf.image.decode_jpeg(tf.read_file(path))

    # some mapping to constant size - be careful with distorting aspec ratios
    image = tf.image.resize_images(out_shape)
    # color normalization - just an example
    image = tf.to_float(image) * (2. / 255) - 1
    return image, label


# num_parallel_calls > 1 induces intra-batch shuffling
dataset = dataset.map(map_fn, num_parallel_calls=8)
dataset = dataset.batch(batch_size)
# try one of the following
dataset = dataset.prefetch(1)
# dataset = dataset.apply(
#            tf.contrib.data.prefetch_to_device('/gpu:0'))

images, labels = dataset.make_one_shot_iterator().get_next()

我从未在分布式环境中工作过，但我从未注意到使用这种方法对tfrecords 的性能影响。如果您需要更多自定义加载功能，也请查看tf.py_func。

更多一般信息here，以及性能说明here

Answer 3

用于从目录加载图像和标签的示例输入管道脚本。您可以在此之后进行预处理（调整图像大小等）。

import tensorflow as tf
filename_queue = tf.train.string_input_producer(
tf.train.match_filenames_once("/home/xxx/Desktop/stackoverflow/images/*/*.png"))

image_reader = tf.WholeFileReader()
key, image_file = image_reader.read(filename_queue)
S = tf.string_split([key],'/')
length = tf.cast(S.dense_shape[1],tf.int32)
# adjust constant value corresponding to your paths if you face issues. It should work for above format.
label = S.values[length-tf.constant(2,dtype=tf.int32)]
label = tf.string_to_number(label,out_type=tf.int32)
image = tf.image.decode_png(image_file)

# Start a new session to show example output.
with tf.Session() as sess:
    # Required to get the filename matching to run.
    tf.initialize_all_variables().run()

    # Coordinate the loading of image files.
    coord = tf.train.Coordinator()
    threads = tf.train.start_queue_runners(coord=coord)

    for i in xrange(6):
        # Get an image tensor and print its value.
        key_val,label_val,image_tensor = sess.run([key,label,image])
        print(image_tensor.shape)
        print(key_val)
        print(label_val)


    # Finish off the filename queue coordinator.
    coord.request_stop()
    coord.join(threads)

文件目录

./images/1/1.png
./images/1/2.png
./images/3/1.png
./images/3/2.png
./images/2/1.png
./images/2/2.png

输出：

 (881, 2079, 3)
 /home/xxxx/Desktop/stackoverflow/images/3/1.png
 3
 (155, 2552, 3)
 /home/xxxx/Desktop/stackoverflow/images/2/1.png
 2
 (562, 1978, 3)
 /home/xxxx/Desktop/stackoverflow/images/3/2.png
 3
 (291, 2558, 3)
 /home/xxxx/Desktop/stackoverflow/images/1/1.png
 1
 (157, 2554, 3)
 /home/xxxx/Desktop/stackoverflow/images/1/2.png
 1
 (866, 936, 3)
 /home/xxxx/Desktop/stackoverflow/images/2/2.png
 2