使用tensorflow slim

Question

我使用slim将数据转换为TF-Record格式并查看正在转换MNIST数据集的this example。

在127到128行，图片png_string被分配了一个标签labels[j]。

example = dataset_utils.image_to_tfexample(png_string, 'png'.encode(), _IMAGE_SIZE, _IMAGE_SIZE, labels[j])

我想添加另一个标签，但是当我查看dataset_utils文件和image_to_tfexample函数时，我看到了：

    def image_to_tfexample(image_data, image_format, height, width, class_id):
  return tf.train.Example(features=tf.train.Features(feature={
      'image/encoded': bytes_feature(image_data),
      'image/format': bytes_feature(image_format),
      'image/class/label': int64_feature(class_id),
      'image/height': int64_feature(height),
      'image/width': int64_feature(width),
  }))

似乎我必须编辑此功能才能添加另一个标签（添加另一行image/class/label': int64_feature(class_id)？）

我不完全确定如何添加另一个我喜欢训练神经网络的标签（也许我只需创建另一个image_to_tfexample()同样的标签图像，但不同的标签？）

Answer 1

添加类似于您已声明的那个：

    def image_to_tfexample(image_data, image_format, height, width, class_id, label):
       return tf.train.Example(features=tf.train.Features(feature={
          'image/encoded': bytes_feature(image_data),
           'image/format': bytes_feature(image_format),
           'image/class/label': int64_feature(class_id),
           'image/label':int64_feature(label)
           'image/height': int64_feature(height),
           'image/width': int64_feature(width),
     }))

删除您未使用的功能，不必增加tfrecords尺寸。