这是正确的

Question

我今天早上一直试图让TensorFlow io api工作。

经过一番研究，我设法读取了数据，但在出列时我无法正确绑定图像和标签。

这是我写的代码：

# load csv content
csv_path = tf.train.string_input_producer(['list1.csv', 'list2.csv'])
textReader = tf.TextLineReader()
_, csv_content = textReader.read(csv_path)
im_name, label = tf.decode_csv(csv_content, record_defaults=[[""], [1]])

# load images
im_content = tf.read_file(im_dir+im_name)
image = tf.image.decode_png(im_content, channels=3)
image = tf.cast(image, tf.float32) / 255.
image = tf.image.resize_images(image, 640, 640)

# make batches
im_batch, lb_batch = tf.train.batch([image, label], batch_size=batch)

im_batch和lb_batch的顺序混乱（图像绑定到随机标签）。

知道发生了什么事吗？感谢。

Answer 1

您列出的代码没有问题。

im_batch, lb_batch = tf.train.batch([image, label], batch_size=batch)

上面的行将图像和标签绑定到同一个队列，因此无论何时对im_batch或lb_batch执行操作，队列都会从另一个队列中弹出批量数据单元。所以常见的错误可能是分别调用im_batch.eval（）和lb_batch.eval（）：

# this is wrong
images = im_batch.eval()
labels = lb_batch.eval()

在调用im_batch.eval（）之后，lb_batch也会弹出相同数量的数据单元，因为它们绑定在一个队列中。因此，当接下来调用lb_batch.eval（）时，它实际上会给出下一批的标签。

正确的方法是将im_batch和lb_batch放入单元操作中，可以是graph或sess.run（）操作列表：

这是正确的

loss = your_network_model（im_batch，lb_batch） loss.eval（）

2

# this is correct
images, labels = sess.run([im_batch, lb_batch])

使用Tensorflow从csv文件加载图像和标签

1 个答案:

这是正确的