将其他图像加载到张量流中，除了 MNIST

Question

我对使用 tensorflow 应用卷积神经网络很感兴趣。但是，我看到的唯一教程是加载 MNIST 数据集。我尝试复制那里完成的程序并阅读互联网上的大量教程，但它不起作用。到目前为止，这是我的代码

import tensorflow as tf
import os
import numpy as np

filename = os.getcwd() + '/sample_images/*.png'
filename_queue = tf.train.string_input_producer(tf.train.match_filenames_once(filename))

image_reader = tf.WholeFileReader()

_, image_file = image_reader.read(filename_queue)


image = tf.image.decode_png(image_file, 3)
image = tf.image.rgb_to_grayscale(image, name=None)
image = tf.image.resize_images(image, 28, 28, method=0, align_corners=False)

data = []
with tf.Session() as sess:
    tf.initialize_all_variables().run()

    coord = tf.train.Coordinator()
    threads = tf.train.start_queue_runners(coord=coord)

    image_tensor = sess.run([image])
    data.append(image_tensor)
    #print(image_tensor)
    coord.request_stop()
    coord.join(threads)

xx = np.asarray(data)
print xx[0].shape

基本上，我想做以下事情：- - 从带有名称的文件夹中加载图像

• 将每个图像的大小调整为 28*28

• 改成灰度

• 将其转换为张量并将其添加到训练集

• 创建它的目标（从它的标签并将其添加到一个 numpy 数组）

• 对文件夹中的所有图像重复

完成后，将数据集和目标传递给 tensorflow RNN

我们将不胜感激所有帮助

Answer 1

看看TensorVision的generic_input_producer。输入函数接受图像列表并返回代表一批图像的张量。预处理，包括调整大小也在其中完成。