如何在 TensorFlow 中使用图像列表作为 CNN 的输入？

Question

我是 TensorFlow 的新手，在使用列表作为 CNN 的输入时遇到问题。

假设我有 4 个列表：

• TrainingImage：这是一个包含我要训练的所有图像的列表，每个图像 I 都是 BGR 通道，因此我使用 TrainingImage.append(I) 将图像 I 放入此列表。
• TrainingLabel：这是在TrainingImage 中标记图像的列表，每一行都是一个单热向量。例如，如果我有 3 个对象（1、2、3），每个对象有 2 个图像（这意味着 TrainingImage 有 3 x 2 = 6 个图像），那么我有一个标签列表，例如：1、0、0； 1, 0, 0; 0, 1, 0; 0, 1, 0; 0, 0, 1; 0, 0, 1
• TestingImage：包含所有用于测试的图像的列表，类似于TrainingImage，但图像较少。
• TestingLabel：所有标签为TestingImage 的列表

我不知道如何在 TensorFlow 中将其用作 CNN 的输入。我正在使用以下代码，每个图像的大小为 68 x 68 x 3，我有 17 个对象，每个对象有 64 个用于训练的图像，16 个用于测试的图像。

使用 tf.Session() 作为 sess：

data_initializer = tf.placeholder(tf.float32,
                                  (1088, 68, 68, 3))
label_initializer = tf.placeholder(tf.float32,
                                   (1088, 17))
input_data = tf.Variable(data_initializer, trainable=False, collections=[])
input_labels = tf.Variable(label_initializer, trainable=False, collections=[])

sess.run(input_data.initializer, feed_dict={data_initializer: TrainingImage})
sess.run(input_labels.initializer, feed_dict={label_initializer: TrainingLabel})

所以现在input_data 和input_labels 是我对CNN 的新输入，但我不确定这是正确的方法吗？我按照这条 TensorFlow 指令https://www.tensorflow.org/programmers_guide/reading_data#preloaded_data 使用上述代码，将 4 个列表视为变量。

Answer 1

是的，这会奏效。我可以推荐它而不是

data_initializer = tf.placeholder(tf.float32,(1088, 68, 68, 3))

你使用

data_initializer = tf.placeholder(tf.float32,(None, 68, 68, 3))

这将允许您发送不同数量的图像，而不必总是发送 1088 张图像。在某些时候，您只想处理 1 张图像。