考虑这个问题:从图像数据集(如 ImageNet)中的随机主题中选择随机数量的样本作为 Tensorflow 图的输入元素,该图充当对象集识别器。对于每个批处理,每个类都有相同数量的样本以方便计算。但是不同的批处理对于一个类会有不同数量的图像,即batch_0:num_imgs_per_cls
=2; batch_1000:num_imgs_per_cls
=3。
如果 Tensorflow 中有现有功能,我们将非常感谢从头开始解释整个过程(例如从图像目录)。
最佳答案
@mrry here 有一个非常相似的答案.
平衡批处理抽样
在人脸识别中,我们经常使用三元组损失(或类似的损失)来训练模型。对三元组进行采样以计算损失的常用方法是创建一批平衡的图像,其中我们有 10 个不同的类别(即 10 个不同的人),每个类别有 5 张图像。在此示例中,总批量大小为 50。
更普遍的问题是对num_classes_per_batch
(示例中为10个)类进行采样,然后对每个类的num_images_per_class
(示例中为5个)图像进行采样。总批量大小为:
batch_size = num_classes_per_batch * num_images_per_class
每个类别都有一个数据集
处理大量不同类别(MS-Celeb 中为 100,000 个)的最简单方法是为每个类别创建一个数据集。
例如,您可以为每个类拥有一个 tfrecord 并创建如下数据集:
# Build one dataset per class.
filenames = ["class_0.tfrecords", "class_1.tfrecords"...]
per_class_datasets = [tf.data.TFRecordDataset(f).repeat(None) for f in filenames]
数据集中的示例
现在我们希望能够从这些数据集中进行采样。例如,我们希望批处理中包含以下标签:
1 1 1 3 3 3 9 9 9 4 4 4
这对应于 num_classes_per_batch=4
和 num_images_per_class=3
。
为此,我们需要使用将在 r1.9
中发布的功能。该函数应名为 tf.contrib.data.choose_from_datasets
(有关此问题的讨论,请参阅 here)。
它应该看起来像:
def choose_from_datasets(datasets, selector):
"""Chooses elements with indices from selector among the datasets in `datasets`."""
因此,我们创建这个选择器
,它将输出1 1 1 3 3 3 9 9 9 4 4 4
并将其与数据集
结合起来获取将输出平衡批处理的最终数据集:
def generator(_):
# Sample `num_classes_per_batch` classes for the batch
sampled = tf.random_shuffle(tf.range(num_classes))[:num_classes_per_batch]
# Repeat each element `num_images_per_class` times
batch_labels = tf.tile(tf.expand_dims(sampled, -1), [1, num_images_per_class])
return tf.to_int64(tf.reshape(batch_labels, [-1]))
selector = tf.contrib.data.Counter().map(generator)
selector = selector.apply(tf.contrib.data.unbatch())
dataset = tf.contrib.data.choose_from_datasets(datasets, selector)
# Batch
batch_size = num_classes_per_batch * num_images_per_class
dataset = dataset.batch(batch_size)
您可以使用夜间 TensorFlow 构建并使用 DirectedInterleaveDataset
作为解决方法来测试这一点:
# The working option right now is
from tensorflow.contrib.data.python.ops.interleave_ops import DirectedInterleaveDataset
dataset = DirectedInterleaveDataset(selector, datasets)
我还写过有关此解决方法的文章 here .
关于tensorflow - TF数据API : How to produce tensorflow input to object set recognition,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/50550126/