Question

GC.Collect()

fileReader类的相关代码。

training_set_name, training_set_class, training_set_image = sess.run([fR.training_set_name, fR.training_set_class, fR.training_set_image])

labelFileBatchProcessor读取csv，shuffle，并返回包含名称和标签的批处理。 def return_training_set(): image_tra_name_batch, image_tra_class_batch = labelFileBatchProcessor(50, 1, "training") files_training = filenameLister2(image_tra_name_batch) images = build_images(files_training) return image_tra_name_batch, image_tra_class_batch, images training_set_name, training_set_class, training_set_image = return_training_set()将这些名称转换为路径，它返回一个队列。此队列将传递给Filenamelister()函数，该函数将返回图像张量。

问题是加载的图像张量与imageloader()不匹配。我认为问题是当image_tra_name_batch被执行时，会加载另一个浴缸。有没有解决这个问题？

我想避免将所有内容存储在一个文件中，而是希望从csv中读取图像名称，然后将其随机播放，然后再将图像随机播放。

Edit1：一些相关的功能

labelFileBatchProcessor函数：

build_images(files_training)

filenameLister2功能：

 def labelFileBatchProcessor(batch_size, num_epochs=None, what_set="training"):
        if what_set == "training":
            inputCsv = ["./data/BDRW_train/BDRW_train_1/labels.csv"]
        elif what_set == "validation":
            inputCsv = ["./data/BDRW_train/BDRW_train_2/labels.csv"]
        labelFile_queue = tf.train.string_input_producer(inputCsv, num_epochs=1, shuffle=False)
        image_name, image_class = labelFileInit(labelFile_queue)
        min_after_dequeue = 50
        capacity = min_after_dequeue + 3 * batch_size
        image_name_batch, image_class_batch = tf.train.shuffle_batch(
            [image_name, image_class], batch_size=batch_size, capacity=capacity,
            min_after_dequeue=min_after_dequeue)
        return image_name_batch, image_class_batch

build_images功能：

def filenameLister2(imageNameBatch):
    FILES_TRAINING = TRAINING_DIR + imageNameBatch + ".jpg"
    FILES_TRAINING = tf.train.string_input_producer(FILES_TRAINING, name="CSVFilenames")
    return FILES_TRAINING

EDIT2

我更新了def build_images(files_training): image_reader = tf.WholeFileReader() _, image_file = image_reader.read(files_training) image_orig = tf.image.decode_jpeg(image_file) image = tf.image.resize_images(image_orig, [48, 48]) image.set_shape((48, 48, 3)) num_preprocess_threads = 1 min_queue_examples = 256 images = tf.train.batch([image], batch_size=BATCH_SIZE, num_threads=NUM_PREPROCESS_THREADS, capacity=BATCH_SIZE) return images功能，并从labelFileBatchProcessor()中删除了tf.train_batch()。这可能是由不同的问题引起的。我把张量放在同一批次中，图像仍然不匹配。

build_images()

Answer 1

据我所知，问题出现了，因为输入管道中有两个独立的批处理阶段：

image_tra_name_batch和image_tra_class_batch由labelFileBatchProcessor()中的tf.train.shuffle_batch()批量处理。
images由build_images()中的tf.train.batch()批量处理。

结果，每个文件名和类之间的关联以及每个图像都丢失了。对此类问题的一般解决方案是确保将训练示例的所有属性（在本例中为image_name，image_class和image）传递给相同的{{1 }（或tf.train.batch()）调用。这将确保它们被预处理为不可分割的张量元组，并且将保持关联。

图像张量与文件名和标签不匹配

1 个答案: