大数跨境

tensorflow实战(一)

tensorflow实战(一) Agent的潜意识
2017-03-13
0
导读:学校的樱花又盛开了。春风十里不如你。樱园的玻尔兹曼机每一次努力,都与每一朵樱花交相

     

        学校的樱花又盛开了。春风十里不如你。樱园的玻尔兹曼机每一次努力,都与每一朵樱花交相辉映;每一个努力取得的成就,都为了在春天在樱园在阳光下在春风里在樱花雨中与你相见。

        在樱花里,欢迎关注樱园的玻尔兹曼机。识别下图的二维码即可。

        

        切入正题。

  学习一个深度学习框架,一般遵循这样的思路:数据如何读取,如如何从图片和标签数据中读出成tensorflow可以使用的数据,其次是如何搭建网络,然后就是如何训练模型,保存模型,使用模型。最后就是可视化了。

tensorflow上开发了很多有用的包:如tensorlayers,tflearns,slim等,这些包可以让你很方便的构建网络模型。

  入门系列你可以直接按照tensorflow的官方文档来跑就可以了。咱就不赘叙了。

  实战第一步,我们开始构建tensorflow的数据集。

tensorflow可以读取很多种数据,1直接从磁盘上读取jpg文件,这个比较费时间。2读取csv格式的数据。这个我没有深挖。3读取bin格式的数据,它的例子中就有是读取已经保存的bin文件的,在models/image文件夹下的一个例子。4tfrecords方法。这个方法比较方便,也是tensorflow的默认文件格式。

    就用这个第四种方法了。

    直接上存的代码:

def createtraindata():
    cwd='/home/xxx/data/imagedata/'
    classes={'bird','dog','person'}
    writer = tf.python_io.TFRecordWriter("train.tfrecords")//
保存的tfrecord的文件名是train.tfrecords
    for index, name in enumerate(classes):
        class_path = cwd + name +"/"
        for img_name inos.listdir(class_path):
            img_path =class_path + img_name
            img =Image.open(img_path)
            img =img.resize((224, 224))
            img_raw =img.tobytes()             #
将图片转化为原生bytes
            example =tf.train.Example(features=tf.train.Features(feature={
               "label": tf.train.Feature(int64_list=tf.train.Int64List(value=[index])),
               'img_raw': tf.train.Feature(bytes_list=tf.train.BytesList(value=[img_raw]))
            }))
           writer.write(example.SerializeToString())  #
序列化为字符串
    writer.close()

 

代码不难,就是一些平常的python操作。这个是我跑通了的。如果有问题请留言

后续代码会逐渐深入,与博客上的代码有改进。不一样。

【声明】内容源于网络
0
0
Agent的潜意识
1234
内容 287
粉丝 0
Agent的潜意识 1234
总阅读0
粉丝0
内容287