简答：

Question

我有一个图像列表（尝试使用自定义图像训练CNN模型），由以下内容定义和重塑：

reader.images = tf.reshape(self.images, [-1, 256, 256, 3])

打印哪些：

reader.Images :
[[[[ 127.  255.  127.]
   [ 140.  255.  114.]
   [ 217.  255.   38.]
  ..., 
  [[ 255.  240.    0.]
   [ 255.  241.    0.]
   [ 249.  246.    6.]
   ..., 
   [ 203.  237.   52.]
   [ 152.  251.  102.]
   [ 143.  253.  111.]]

  [[ 255.  184.    0.]
   [ 248.  192.    7.]
   [ 205.  242.   50.]
   ..., 
   [ 255.  139.    0.]
   [ 255.  171.    0.]
   [ 255.  177.    0.]]

  [[ 255.  178.    0.]
   [ 237.  187.   18.]
   [ 131.  240.  124.]
   ..., 
   [ 255.  123.    0.]
   [ 255.  156.    0.]
   [ 255.  162.    0.]]]]

我想通过每次迭代提取一批来训练我的模型。但是当我使用时：

image_batch = tf.train.batch(
        [reader.images], batch_size=batch_size, dynamic_pad=True)

batch_size =1

我将整个图像作为输出（与上面打印的整个列表图像相同）。我是Tensorflow的新手，所以欢迎任何提示。

Answer 1

简答：

根据您的要求，您应添加enqueue_many=True。

答案很长：

tf.train.batch通常用于从单个项目张量创建批处理，例如来自队列。

所以你可以用图像张量（[256,256,3]）来提供它并获得批量张量（[batch_size，256,256,3]）。

它通常不用于从列表张量中分割批次。如果您以这种方式使用它，那么您必须将所有图像加载到内存中，而这些图像的扩展性不会很高。

至少是默认值enqueue_many=False：

如果enqueue_many为False，则假定张量代表单个例。具有形状[x，y，z]的输入张量将作为a输出张量与形状[batch_size，x，y，z]。

如果您确实要将所有图片加载到内存中，可以将enqueue_many=True添加到tf.train.batch来电。

如果enqueue_many为True，则假定张量代表一批示例，其中第一个维度通过示例索引，以及所有张量的成员在第一维中应具有相同的大小。如果输入张量具有形状[*，x，y，z]，则输出将具有形状 [batch_size，x，y，z]。 capacity参数控制了多长时间允许预取会使队列增长。

我建议阅读https://www.tensorflow.org/programmers_guide/datasets以获得进一步的指导（现在记录使用数据集而不是之前推荐的队列的新推荐方法 - 您可以直接从数据集创建批处理而不是调用tf.train.batch）

从Tensorflow中的图像列表中提取批次

1 个答案:

简答：

答案很长：