vgg_easy.py

import os
import numpy as np
import tensorflow as tf
from PIL import Image
from skimage import io transform
import glob
os.environ[“CUDA_VISIBLE_DEVICES“] = “0“
gpu_options = tf.GPUOptions（per_process_gpu_memory_fraction=0.9）
path = ‘./easy/‘          # for one dataset cross validation
train_path = ‘./example/train/‘ # for train and test set
test_path = ‘./example/test/‘
w = 224
h = 224
c = 3
n_class = 4

def read_img（path）:
    cate   = [path + x for x in os.listdir（path） if os.path.isdir（path + x）]
    imgs   = []
    labels = []
    label_list = np.eye（n_class）
    for idx folder in enumerate（cate）:            #search folder
        for im in glob.glob（folder + ‘/*.jpg‘）:    #change doc type if necessary
            img = io.imread（im）
            img = transform.resize（img （w h c））
            imgs.append（img）                        # （sum2242243）
            labels.append（label_list[idx]）          # （sum4）                         
    return np.asarray（imgs np.float32） np.asarray（labels np.float32）

#------------------train and test set------------
data label = read_img（train_path）
   
num_example = data.shape[0]                        
arr = np.arange（num_example）                    
np.random.shuffle（arr）                           # random sequence
x_train = data[arr]
y_train = label[arr]

s = num_example

data_t label_t = read_img（test_path）
   
s_test = data_t.shape[0]                        
arr = np.arange（s_test）                    
np.random.shuffle（arr）                           # random sequence
x_val = data_t[arr]
y_val = label_t[arr]

# ------------------one dataset cross validation ----------
#data label = read_img（path）
   
#num_example = data.shape[0]                        
#arr = np.arange（num_example）                    
#np.random.shuffle（arr）                           # random sequence
#data = data[arr]
#label = label[arr]

#ratio = 0.8
#s = np.int（num_example * ratio）
#x_train = data[:s]                         # （sum_train2242243）
#y_train = label[:s]                        # （sum_train4）
#x_val   = data[s:]
#y_val   = label[s:]    

#------------------vgg16 structure----------------
 
x = tf.placeholder（tf.float32 shape=[None h w c]）
y = tf.placeholder（tf.float32 shape=[None n_class]）     

#----------------- conv1 ------------------------

w_conv1_1 = tf.Variable（tf.truncated_normal（[3 3 3 64] stddev=0.1））
b_conv1_1 = tf.Variable（tf.constant（0.1 shape=[64]））
L_conv1_1 = tf.nn.relu（tf.nn.conv2d（x w_conv1_1strides=[1 1 1 1] padding=‘SAME‘） + b_conv1_1）

w_conv1_2 = tf.Variable（tf.truncated_normal（[3 3 64 64] stddev=0.1））
b_conv1_2 = tf.Variable（tf.constant（0.1 shape=[64]））
L_conv1_2 = tf.nn.relu（tf.nn.conv2d（L_conv1_1 w_conv1_2strides=[1 1 1 1] padding=‘SAME‘） + b_conv1_2）

L_pool1 = tf.nn.max_pool（L_conv1_2 ksize=[1 2 2 1] strides=[1 2 2 1] padding=‘SAME‘）
#----------------- conv2 ------------------------

w_conv2_1 = tf.Variable（tf.truncated_normal（[3 3 64 128