image和TFRecord互相转换
Posted 武方绿
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了image和TFRecord互相转换相关的知识,希望对你有一定的参考价值。
关说不练假把式。手上正好有车牌字符的数据集,想把他们写成TFRecord格式,然后读进来,构建一个简单的cnn训练看看。然后发现准确率只有0.0x。随机猜也比这要好点吧。只能一步步检查整个过程。暂时想到问题可能出现的地方:
- 数据编码解码错误
- 网络构建问题
- 学习步长问题
- 数据量太小
- label设置
不确定是不是这些问题先检查下,tensorboard能给我们很多信息。今天先检查了图片解码编码问题。在读取数据的时候为image增加一个summary,这样就能在tensorboard上看到图片了。
img=tf.summary.image(\'input\',x,batch_size)
tensorboard的使用之前有说过。出现的结果说我没有图片记录,大约是这个意思。所以我的解码编码程序还是有问题。图片编码成tfreord无非就是把图片数据按照tfrecord的格式填进去。tfrecord是example的集合,example的格式:
message Example {#message类似于类 Features features = 1; };
而 Features 是字典集合,(key,value)。
下面直接上tfrecord编码解码代码,改好过的。
1 import tensorflow as tf 2 import numpy as np 3 import glob 4 import os 5 from PIL import Image 6 def _int64_feature(value): 7 if not isinstance(value,list): 8 value=[value] 9 return tf.train.Feature(int64_list=tf.train.Int64List(value=value)) 10 def _byte_feature(value): 11 return tf.train.Feature(bytes_list=tf.train.BytesList(value=[value])) 12 def encode_to_tfrecords(data_path,name,rows=24,cols=16):#从图片路径读取图片编码成tfrecord 13 folders=os.listdir(data_path)#这里都和我图片的位置有关 14 folders.sort() 15 numclass=len(folders) 16 i=0 17 npic=0 18 writer=tf.python_io.TFRecordWriter(name) 19 for floder in folders: 20 path=data_path+"/"+floder 21 img_names=glob.glob(os.path.join(path,"*.bmp")) 22 for img_name in img_names: 23 img_path=img_name 24 img=Image.open(img_path).convert(\'P\') 25 img=img.resize((cols,rows)) 26 img_raw=img.tobytes() 27 labels=[0]*34#我用的是softmax,要和预测值的维度一致 28 labels[i]=1 29 example=tf.train.Example(features=tf.train.Features(feature={#填充example 30 \'image_raw\':_byte_feature(img_raw), 31 \'label\':_int64_feature(labels)})) 32 writer.write(example.SerializeToString())#把example加入到writer里,最后写到磁盘。 33 npic=npic+1 34 i=i+1 35 writer.close() 36 print npic 37 38 def decode_from_tfrecord(filequeuelist,rows=24,cols=16): 39 reader=tf.TFRecordReader()#文件读取 40 _,example=reader.read(filequeuelist) 41 features=tf.parse_single_example(example,features={\'image_raw\':#解码 42 tf.FixedLenFeature([],tf.string), 43 \'label\':tf.FixedLenFeature([34,1],tf.int64)}) 44 image=tf.decode_raw(features[\'image_raw\'],tf.uint8) 45 image.set_shape(rows*cols) 46 image=tf.cast(image,tf.float32)*(1./255)-0.5 47 label=tf.cast(features[\'label\'],tf.int32) 48 return image,label 49 50 51 def get_batch(filename_queue,batch_size): 52 with tf.name_scope(\'get_batch\'): 53 [image,label]=decode_from_tfrecord(filename_queue) 54 images,labels=tf.train.shuffle_batch([image,label],batch_size=batch_size,num_threads=2, 55 capacity=100+3*batch_size,min_after_dequeue=100) 56 return images,labels 57 58 59 def generate_filenamequeue(filequeuelist): 60 filename_queue=tf.train.string_input_producer(filequeuelist,num_epochs=5) 61 return filename_queue 62 63 def test(filename,batch_size): 64 filename_queue=generate_filenamequeue(filename) 65 [images,labels]=get_batch(filename_queue,batch_size) 66 init_op = tf.group(tf.global_variables_initializer(), 67 tf.local_variables_initializer()) 68 sess=tf.InteractiveSession() 69 sess.run(init_op) 70 coord=tf.train.Coordinator() 71 threads=tf.train.start_queue_runners(sess=sess,coord=coord) 72 i=0 73 try: 74 while not coord.should_stop(): 75 image,label=sess.run([images,labels]) 76 i=i+1 77 if i%1000==0: 78 for j in range(batch_size):#之前tfrecord编码的时候,数据范围变成[-0.5,0.5],现在相当于逆操作,把数据变成图片像素值 79 image[j]=(image[j]+0.5)*255 80 ar=np.asarray(image[j],np.uint8) 81 #image[j]=tf.cast(image[j],tf.uint8) 82 print ar.shape 83 img=Image.frombytes("P",(16,24),ar.tostring())#函数参数中宽度高度要注意。构建24×16的图片 84 img.save("/home/wen/MNIST_data/reverse_%d.bmp"%(i+j),"BMP")#保存部分图片查看 85 \'\'\'if(i>710): 86 print("step %d"%(i)) 87 print image 88 print label\'\'\' 89 except tf.errors.OutOfRangeError: 90 print(\'Done training -- epoch limit reached\') 91 finally: 92 # When done, ask the threads to stop. 93 coord.request_stop() 94 95 # Wait for threads to finish. 96 coord.join(threads) 97 sess.close()
读取文件的动态图,来自官网教程:
在文件夹中:
在tensorboard里:
终于看见熟悉的图片了,现在数据编码解码没问题,效果依然0.0x。。。。
错误改掉一个少一个,接着检查其他部分。
debug过程中,一直在google,stackoverflow,官网documents,度娘略微鸡肋。
***********************************************************************************************************************************************************************************************
猜测是同类样本集中b并且同类数据多,用batch_shuffle装进来的都还是同类
以上是关于image和TFRecord互相转换的主要内容,如果未能解决你的问题,请参考以下文章
TensorFlow制作TFRecord文件方式的数据集的完整程序,最好标明怎么输入输出地址