这对某些人来说应该很容易，但我对 Tensorflow 有点陌生，我的所有研究都让我接触到了数千行 git，我只是好奇是否有适合初学者的更简单的替代方案。我有一个想法，它输入一个 200x260 彩色图像并输出一个 1-10 之间的单热向量。我意识到它与 MNIST 非常相似，但 Tensorflow 没有任何关于 mnist 库如何将其图像转换为可用形式的文档。有没有人有任何想法将大约 200 张图像的文件夹（是的，我知道，很小）变成可用的形式？我已经有了我的 one-hot 向量。另外，我将占位符形状设置为tf.placeholder(tf.float32,[None, 200, 260, 3]) 可以吗？我真的更喜欢保持颜色。感谢您的任何提示！
【问题讨论】：
标签： tensorflow machine-learning neural-network computer-vision mnist
首先，您可以使用imread 从skimage 导入所有图像
例如：
my_image = skimage.io.imread('./path/myimage.png')
然后，如果它们都在您想要的大小 (200x260) 中，那么您可以通过将它们除以 255 来标准化它们（标准化为 0 和 1 之间的值）。如果没有，您可以使用skimage 中的resize，这将自动为您调整图像大小和标准化。
例如
my_image = skimage.transform.resize(my_image, (200, 260))
要对其进行可视化，您可以使用matplotlib.pyplot 中的imshow 来绘制图像。
为了方便next_batch获取下一批内置在Tensorflow中的函数，可以使用以下代码
i = 0
def next_batch(batch_size):
x = training_images[i:i + batch_size]
y = training_labels[i:i + batch_size]
i = (i + batch_size) % len(training_images)
return x, y
然后您可以创建 CNN 并训练图像。您为X 创建的占位符看起来不错。
【讨论】：
Traceback (most recent call last): File "imgtest.py", line 4, in <module> image = skimage.io.imread('./shoes/1.jpg') AttributeError: module 'skimage' has no attribute 'io'任何想法？
一开始我也为此苦苦挣扎，但我知道将数据导入 tensorflow 的最佳方法是将图像转换为 tfRecord 格式。特别是如果您有一个不适合 RAM 的大型数据集。这样，tensorflow 可以根据需要加载您的数据（您需要提供输入函数来将文件转换回来）。 虽然这可能不是/肯定不是最简单的方法，但从长远来看，如果您想添加更多图像，它可能是最好的。
最简单的方法是使用枕头或任何其他图像库（我假设您使用 tensorflow 和 python）加载您的图像，并在运行会话时将它们交给 tensorflow。
【讨论】：