python - 如何将numpy Array 转换为tensorflow 可以分类的数据类型？

Question

我正在编写一个 Python 程序来检测棋盘的状态，并且我正在使用一个滑动窗口来检测每个棋子的位置。我的主程序检测图像中的棋盘并将其裁剪后的图片传递给 my_sliding_window 方法。这应该是使用 Tensorflow 来检测滑动窗口中的一 block 。来自 this tutorial我看到图片是这样读的:

image_data = tf.gfile.FastGFile('picture.jpg', 'rb').read()

但我不想从文件中读取它，因为我已经在 numpy 数组中有了图片。如何使我的 numpy 数组能够被 Tensorflow 分类？

谢谢。

代码:

import tensorflow as tf, sys
import cv2

image_path = sys.argv[1]


img = cv2.imread('picture.jpg')
image_data = tf.convert_to_tensor(img)
print type(image_data)    # this returns <class 'tensorflow.python.framework.ops.Tensor'>

# This is what is used in the tutorial I mentioned above
image_data2 = tf.gfile.FastGFile(image_path, 'rb').read()
print type(image_data2)    # this returns <type 'str'>


# Loads label file, strips off carriage return
label_lines = [line.rstrip() for line
               in tf.gfile.GFile("retrained_labels.txt")]

# Unpersists graph from file
with tf.gfile.FastGFile("retrained_graph.pb", 'rb') as f:
    graph_def = tf.GraphDef()
    graph_def.ParseFromString(f.read())
    _ = tf.import_graph_def(graph_def, name='')

with tf.Session() as sess:
    # Feed the image_data as input to the graph and get first prediction
    softmax_tensor = sess.graph.get_tensor_by_name('final_result:0')

    predictions = sess.run(softmax_tensor, \
         {'DecodeJpeg/contents:0': image_data})

    # Sort to show labels of first prediction in order of confidence
    top_k = predictions[0].argsort()[-len(predictions[0]):][::-1]

    for node_id in top_k:
        human_string = label_lines[node_id]
        score = predictions[0][node_id]
        print('%s (score = %.5f)' % (human_string, score))

Answer 1

你可以使用 tf.convert_to_tensor()将您的 numpy 数组转换为 TensorFlow 张量:

This function converts Python objects of various types to Tensor objects. It accepts Tensor objects, numpy arrays, Python lists, and Python scalars.

更新

好的，所以您要做的是将维度为 [123, 82] 的 numpy 数组 image_data 提供给占位符 DecodeJpeg/内容:0。然而，该占位符是用 shape=() 定义的，这意味着它只接受 0D 张量作为输入(参见 tensor shapes )，因此会引发错误。

什么 original code所做的是将图像作为无量纲字符串读取:

image_data = tf.gfile.FastGFile(image_path, 'rb').read()

然后将其提供给 DecodeJpeg/contents:0 占位符:

predictions = sess.run(softmax_tensor, {'DecodeJpeg/contents:0': image_data})

继续并尝试通过预训练图运行图像的最简单方法是使用相同的 tf.gfile.FastGFile() 调用来加载图像。