tensorflow - 类似 MNIST 的问题。卷积神经网络

Question

这对某些人来说应该很容易，但我对 Tensorflow 有点陌生，我所有的研究都让我接触了数千行 git，我只是好奇对于初学者来说是否有更简单的替代方案。我有一个想法，输入 200x260 彩色图像并输出 1-10 之间的 one-hot 矢量。我意识到它与 MNIST 非常相似，但 Tensorflow 没有任何关于 mnist 库如何将其图像转换为可用形式的文档。有人有什么想法可以将一个包含大约 200 张图像的文件夹(是的，我知道，很小)变成可用的形式？我已经有了我的独热向量。另外，我将占位符形状设置为 tf.placeholder(tf.float32,[None, 200, 260, 3]) 这可行吗？我真的更喜欢保持颜色。感谢您的任何提示!

Answer 1

首先，您可以使用 skimage 中的 imread 导入所有图像

例如:

my_image = skimage.io.imread('./path/myimage.png')

然后，如果它们都达到您想要的大小 (200x260)，那么您可以通过将它们全部除以 255(标准化为 0 到 1 之间的值)来标准化它们。如果没有，您可以使用 skimage 中的 resize，这将自动为您调整图像大小并标准化图像。

例如

my_image = skimage.transform.resize(my_image, (200, 260))

要可视化它，您可以使用 matplotlib.pyplot 中的 imshow 来绘制图像。

对于Tensorflow中内置的方便的next_batch函数来获取下一个批处理，您可以使用以下代码

i = 0
def next_batch(batch_size):
    x = training_images[i:i + batch_size]
    y = training_labels[i:i + batch_size]
    i = (i + batch_size) % len(training_images)
    return x, y

然后您可以创建 CNN 并训练图像。您为 X 创建的占位符看起来正确。