使用 TensorFlow 的数据集 API 的图像摘要

Posted 2023-03-12

【中文标题】使用 TensorFlow 的数据集 API 的图像摘要

【英文标题】：Image summaries with TensorFlow's Dataset API

【发布时间】：2018-04-30 22:05:17

【问题描述】：

我正在使用TensorFlow's Dataset API 来加载和预处理图像。我想将预处理图像的摘要添加到 Tensorboard。

推荐的方法是什么？

到目前为止，我的代码如下所示：

def get_data():
  dataset = FixedLengthRecordDataset(...)
  dataset = dataset.map(dataset_parser, ...)
  if is_training:
    dataset = dataset.map(preprocess_for_train, ...)
  # Do shuffling, batching...
  return dataset

def preprocess_for_train(image, label):
  # Do preprocessing...
  image = tf.image.random_flip_left_right(image)
  # Add summary
  tf.summary.image('preprocessed_image', tf.expand_dims(image, 0))
  return image, label

在preprocess_for_train 内，我的图像列在SUMMARIES 集合中，但在返回外部函数时，它不再是图形的一部分。我认为这是因为map 使用了不同的线程，因此引用了tf.Graph 的不同实例。

由于这不起作用，我还有哪些其他选项可以在 Tensorboard 中显示我的图像？

【参考方案1】：

我发现了一个技巧，可以使用我的迭代器的输出将预处理的图像添加到 Tensorboard：

train_dataset = get_data()
iterator = Iterator.from_structure(train_dataset.output_types, train_dataset.output_shapes)
# Batch consists of [image, label]
next_batch = iterator.get_next()
tf.summary.image('preprocessed_image', next_batch[0])

但是，这将在运行 summary_op 时第二次调用 next_batch。它有助于仅调试图像预处理，但它不是真正训练的解决方案。此外，只能观察到完全预处理的图像，而不是中间预处理阶段。