-
大小: 5.89MB文件类型: .zip金币: 1下载: 0 次发布日期: 2023-11-20
- 语言: 其他
- 标签: TensorFlow
资源简介
基于tensorflow的深度学习图像分类案例,适合初学!
代码片段和文件信息
# 将原始图片转换成需要的大小,并将其保存
# ========================================================================================
import os
import tensorflow as tf
from PIL import Image
# 原始图片的存储位置
orig_picture = ‘D:/ML/flower/flower_photos/‘
# 生成图片的存储位置
gen_picture = ‘D:/ML/flower/input_data/‘
# 需要的识别类型
classes = {‘dandelion‘ ‘roses‘ ‘sunflowers‘‘tulips‘}
# 样本总数
num_samples = 4000
# 制作TFRecords数据
def create_record():
writer = tf.python_io.TFRecordWriter(“flower_train.tfrecords“)
for index name in enumerate(classes):
class_path = orig_picture + “/“ + name + “/“
for img_name in os.listdir(class_path):
img_path = class_path + img_name
img = Image.open(img_path)
img = img.resize((64 64)) # 设置需要转换的图片大小
img_raw = img.tobytes() # 将图片转化为原生bytes
print(index img_raw)
example = tf.train.Example(
features=tf.train.Features(feature={
“label“: tf.train.Feature(int64_list=tf.train.Int64List(value=[index]))
‘img_raw‘: tf.train.Feature(bytes_list=tf.train.BytesList(value=[img_raw]))
}))
writer.write(example.SerializeToString())
writer.close()
# =======================================================================================
def read_and_decode(filename):
# 创建文件队列不限读取的数量
filename_queue = tf.train.string_input_producer([filename])
# create a reader from file queue
reader = tf.TFRecordReader()
# reader从文件队列中读入一个序列化的样本
_ serialized_example = reader.read(filename_queue)
# get feature from serialized example
# 解析符号化的样本
features = tf.parse_single_example(
serialized_example
features={
‘label‘: tf.FixedLenFeature([] tf.int64)
‘img_raw‘: tf.FixedLenFeature([] tf.string)
})
label = features[‘label‘]
img = features[‘img_raw‘]
img = tf.decode_raw(img tf.uint8)
img = tf.reshape(img [64 64 3])
# img = tf.cast(img tf.float32) * (1. / 255) - 0.5
label = tf.cast(label tf.int32)
return img label
# =======================================================================================
if __name__ == ‘__main__‘:
create_record()
batch = read_and_decode(‘flower_train.tfrecords‘)
init_op = tf.group(tf.global_variables_initializer() tf.local_variables_initializer())
with tf.Session() as sess: # 开始一个会话
sess.run(init_op)
coord = tf.train.Coordinator()
threads = tf.train.start_queue_runners(coord=coord)
for i in range(num_samples):
example lab = sess.run(batch) # 在会话中取出image和label
img = Image.fromarray(example ‘RGB‘) # 这里Image是之前提到的
img.save(gen_picture + ‘/‘ + str(i) + ‘samples‘ + str(lab) + ‘.jpg‘) # 存下图片;注意cwd后边加上‘/’
print(example lab)
coord.request_stop()
coord.join(threads)
sess.close()
属性 大小 日期 时间 名称
----------- --------- ---------- ----- ----
目录 0 2018-08-23 01:45 flower_world-master\
目录 0 2018-08-23 01:45 flower_world-master\.idea\
文件 262 2018-08-23 01:45 flower_world-master\.idea\misc.xm
文件 270 2018-08-23 01:45 flower_world-master\.idea\modules.xm
文件 186 2018-08-23 01:45 flower_world-master\.idea\other.xm
文件 398 2018-08-23 01:45 flower_world-master\.idea\unti
文件 41471 2018-08-23 01:45 flower_world-master\.idea\workspace.xm
文件 1063 2018-08-23 01:45 flower_world-master\LICENSE
文件 1099 2018-08-23 01:45 flower_world-master\README.md
目录 0 2018-08-23 01:45 flower_world-master\__pycache__\
文件 2601 2018-08-23 01:45 flower_world-master\__pycache__\input_data.cpython-35.pyc
文件 3420 2018-08-23 01:45 flower_world-master\__pycache__\model.cpython-35.pyc
文件 2316 2018-08-23 01:45 flower_world-master\__pycache__\test.cpython-35.pyc
文件 3223 2018-08-23 01:45 flower_world-master\create record.py
文件 2970 2018-08-23 01:45 flower_world-master\gui.py
文件 4428 2018-08-23 01:45 flower_world-master\input_data.py
文件 6263437 2018-08-23 01:45 flower_world-master\input_data.rar
文件 6429 2018-08-23 01:45 flower_world-master\model.py
文件 2531 2018-08-23 01:45 flower_world-master\test.py
文件 2768 2018-08-23 01:45 flower_world-master\train.py
相关资源
- 基于Tensorflow多层神经网络的MNIST手写
- TensorFlow Tutorial
- TensorFlow_2.0快速应用指南英文.tar
- tensorflow图像风格迁移代码
- TensorFlow Machine Learning Cookbook
- Learning TensorFlow: A Guide to Building Deep
- tensorflow271134
- TensorFlow for Machine Intelligence 书籍源码
- 《Hands-On Machine Learning with Scikit-Learn
- Building Machine Learning Projects with Tensor
- TensorFlow Powerful Predictive Analytics with
- 北大tensorflow学习笔记
- LSTMandRNN.zip
- 使用TensorFlow搭建智能开发系统,自动
- Packt.TensorFlow.Machine.Learning.Cookbook.201
- tensorflow深度学习CNN智能识别车牌
- Tensorflow GNN实战.zip
- tensorflow从入门到精通
- 深度卷积生成对抗网络TensorFlow代码实
- TensorFlow_中文手册
- siamese mnist 孪生网络
- TensorFlow 中文文档 1.8 掘金 2018.5.19
- Tensorflow(一)训练自己的数据集——
- libtensorflow_inference.so
- 使用TPU对104种花朵进行分类-东北大学
- Omniglot数据集自编码器的设计与实现
- Hands-On Machine Learning 英文原版
- 《TensorFlow Keras 深度学习人工智能实践
- TensorFlow+on+Yarn:深度学习遇上大数据
- opencv4.0结合TensorFlow实现mask rcnn的目标
评论
共有 条评论