我曾使用 MNIST、IMDB 等 tensorflow 打包数据集来研究 tensorflow 的工作原理。然而，在实际应用中，我们必须自己预处理和准备数据集。假设我正在使用图像数据集，所以我想将它们预处理为可以输入到张量流模型中的格式。如何将图像数据集预处理为 tensorflow 格式？
【问题讨论】：
标签： tensorflow keras conv-neural-network tensorflow-datasets
处理图像时，您通常会使用生成器。
生成器是一个输出(u,v) 的函数，其中u 是样本，v 是标签。
可在此处How to train TensorFlow network using a generator to produce inputs? 找到有关如何执行此操作的示例。
在构建处理图像的生成器函数时，请记住每个图像只是一个数组，(x,y) 用于灰度图像，(x,y,channels) 用于彩色图像。
因此，您的生成器函数将需要从磁盘读取一批图像，并将它们转换为数组。有很多工具可以解决这个问题：opencv、scipy、PIL。
加载图像后，您可以对它们进行任何您喜欢的操作（使用这些工具或其他工具），通常您需要重塑图像以适合您的模型。
最后你需要输出一对([batch_size,x,y,channels], [batch_size,labels])。
【讨论】：