Question

我是TensorFlow的新手，我在使用列表作为CNN的输入时遇到了问题。

假设我有4个列表：

TrainingImage：这是一个包含我想要训练的所有图像的列表，每个图像我都是BGR频道，所以我使用TrainingImage.append(I)将图像I放到此列表中。
TrainingLabel：这是在TrainingImage中标记图片的列表，每行都是一个热门矢量。例如，如果我有3个对象（1,2,3），每个对象有2个图像（这意味着TrainingImage有3 x 2 = 6个图像），那么我有一个标签列表，如：1,0， 0; 1,0,0; 0,1,0; 0,1,0; 0,0,1; 0,0,1
TestingImage：包含所有待测图片的列表，类似于TrainingImage但图像较少。
TestingLabel：所有标签为TestingImage

我不知道如何在TensorFlow中将其用作CNN的输入。我使用下面的代码，每个图像的大小为68 x 68 x 3，我有17个对象，每个对象我有64个图像用于训练，16个图像用于测试。

使用tf.Session（）作为sess：

data_initializer = tf.placeholder(tf.float32,
                                  (1088, 68, 68, 3))
label_initializer = tf.placeholder(tf.float32,
                                   (1088, 17))
input_data = tf.Variable(data_initializer, trainable=False, collections=[])
input_labels = tf.Variable(label_initializer, trainable=False, collections=[])

sess.run(input_data.initializer, feed_dict={data_initializer: TrainingImage})
sess.run(input_labels.initializer, feed_dict={label_initializer: TrainingLabel})

所以现在input_data和input_labels是CNN的新输入，但我不确定这是正确的方法吗？我按照此TensorFlow指令https://www.tensorflow.org/programmers_guide/reading_data#preloaded_data使用上述代码，将4个列表视为变量。

Answer 1

是的，那会起作用。我可以建议而不是

data_initializer = tf.placeholder(tf.float32,(1088, 68, 68, 3))

你使用

data_initializer = tf.placeholder(tf.float32,(None, 68, 68, 3))

这将允许您发送不同数量的图像，而不是总是发送1088图像。在某些时候你想要处理一个图像。

如何在TensorFlow中使用图像列表作为CNN的输入？

1 个答案: