如何将 .png 文件转换为 TFrecord tensorflow 格式？

Question

我有 .png 格式的图像和 .csv 格式的标签。我想将它们转换为 tfrecords 格式。我对张量流很陌生。如果有人可以指出我需要知道的所有事情以及如何做到这一点。会很棒的。

我已经在网上搜索过了。但有些已经过时，有些非常先进。

编辑：我的图像存储在一个目录中。

谢谢

Answer 1

您必须将图像转换为tf.train.Example 才能将其写入tfrecord 文件。 下面是一个简单的示例，说明如何执行此操作。

看看csv文件：

代码：

# The following functions can be used to convert a value to a type compatible
# with tf.train.Example.

def _bytes_feature(value):
    """Returns a bytes_list from a string / byte."""
    if isinstance(value, type(tf.constant(0))):
        value = value.numpy() # BytesList won't unpack a string from an EagerTensor.
    return tf.train.Feature(bytes_list=tf.train.BytesList(value=[value]))

def _float_feature(value):
    """Returns a float_list from a float / double."""
    return tf.train.Feature(float_list=tf.train.FloatList(value=[value]))

def _int64_feature(value):
    """Returns an int64_list from a bool / enum / int / uint."""
    return tf.train.Feature(int64_list=tf.train.Int64List(value=[value]))


def image_example(image_string, label):
    image_shape = tf.image.decode_png(image_string).shape
    feature = {
      'height': _int64_feature(image_shape[0]),
      'width': _int64_feature(image_shape[1]),
      'depth': _int64_feature(image_shape[2]),
      'label': _int64_feature(label),
      'image_raw': _bytes_feature(image_string),
    }
    return tf.train.Example(features=tf.train.Features(feature=feature))

image_example 函数返回单个图像的 tf.train.Example 对象。

您必须遍历数据框以创建每个图像的tf.train.Example 对象并使用tf.io.TFRecordWriter 写入对象。

代码：

record_file = 'images.tfrecords'
image_labels = {
    'cat': 0,
    'bridge': 1,
}
with tf.io.TFRecordWriter(record_file) as writer:
    for row in df.index:
        full_path = 'data/img/new/' + df['filename'][row]
        label = image_labels[df['label'][row]]
        image_string = tf.io.read_file(full_path)
        tf_example = image_example(image_string, label)
        writer.write(tf_example.SerializeToString())

有关读取/写入 TFRecord 文件的完整教程，请参阅 this。

如果您有多个标签，您可以在 image_example 内的特征字典中创建多个特征。 代码：

def image_example(image_string, label_color, label_type):
    image_shape = tf.image.decode_png(image_string).shape
    feature = {
      'height': _int64_feature(image_shape[0]),
      'width': _int64_feature(image_shape[1]),
      'depth': _int64_feature(image_shape[2]),
      'label_color': _int64_feature(label_color),
      'label_type': _int64_feature(label_type),
      'image_raw': _bytes_feature(image_string),
    }
    return tf.train.Example(features=tf.train.Features(feature=feature))