从目录加载图像数据集，而不是从 tf.load 加载 MNIST 数据集答案

【问题标题】：Load image dataset from directory in place of MNIST dataset from tf.load从目录加载图像数据集，而不是从 tf.load 加载 MNIST 数据集
【发布时间】：2020-04-15 07:15:18
【问题描述】：

我想在我的数据集上实现堆叠胶囊自动编码器（请参阅 here）。在实施时，我面临以下问题：

MNIST 数据集加载如下：

tfds.load(name='mnist', split=subset, **kwargs).repeat().batch(batch_size)
<DatasetV1Adapter shapes: {label: (?,), image: (?, 28, 28, 1)}, types: {label: tf.int64, image: tf.uint8}>

我正在通过替换上面的代码来加载我的数据集，如下所示：

img_list = []
for img in glob.glob("update_207/*.png"):
  n= cv2.imread(img,0)
  img_1 = tf.convert_to_tensor(np.array(n.resize((2000, 1200, 1))))
  img_list.append(img_1) 
tf.data.Dataset.from_tensor_slices(img_list).repeat().batch(batch_size)
<DatasetV1Adapter shapes: (?,), types: tf.float32>

我是 Tensorflow 的新手，因此请建议对我的代码进行更改，以便我的数据集具有与 MNIST 相似的形状和类型。

【问题讨论】：

标签： python tensorflow tensorflow-datasets

【解决方案1】：

最好详细说明“相似的形状和类型”的含义。在您的情况下，您的输入图像看起来比 mnist 图像大得多。这意味着您必须将它们调整为 28x28 像素。

如果您让我们知道目前缺少什么，我们或许能够更好地帮助您！

【讨论】：

形状和类型我的意思是这种格式与 MNIST 相同，当我得到 shape & size of image 目前不是问题。

【解决方案2】：

试试这个：

img_list = []
for img in glob.glob("photos/*.jpg"):
  n= cv2.imread(img)
  img_1 = tf.convert_to_tensor(np.array(cv2.resize(n, (256, 256))))
  img_list.append(img_1) 
train_photos = tf.data.Dataset.from_tensor_slices(img_list).repeat().batch(64)

【讨论】：