Question

假设您有一个文件夹，数据集位于该文件夹中（很多图像）。您想将这些图像提供给Deep Neuro Network进行训练（对我而言，我现在使用Tensorflow）。

想到的第一个解决方案（非常经典和初学者的解决方案）是将图像存储在数组中。对于较小的数据集来说可以，但是当数据集很大且图片很大时，这不是可行的解决方案，因为您没有足够的内存。

解决方案是分批读取数据。

我正在尝试实现这一点。我感兴趣的数据集是cultech的Caltech-UCSD Birds200。该数据集提供了一个文本文件，其中每行包含每个图像的路径。这很方便。我的解决方案（我正在尝试实现）是定义一个类。模板是：

class Dataset : 
          attributes : 
                  images_paths
                  labels 
                  current_batch_index
                  batch_size
                  classes_names
          methodes : 
                  get_next_batch() 
                  shuffle()
                  normalize()

我实例化此类的对象后，所有图像的路径都存储在变量images_paths中，而ground_truth标签存储在标签中（one_hot_encoded）。方法get_next_batch（）将使用current_batch_index返回一个ana数组，在该数组中我们使用路径存储实际图像。数组的大小为batch_size，从images_path和labes读取的索引为（current_batch_index，current_batch_index + batch_size）。（我使用scipy.misc.imread读取图像，并将其重塑为固定形状（200x200）（使用usig scipy.misc.reshape）。

这样，我将使用对象仅将一批存储在内存中，并在训练循环中使用该对象将其馈送到网络。

问题：您对此有何看法？正常情况下，您如何将图像输入到上网本？有工具吗？是否有用于拆分数据集的工具？

F.Y.I：我正在使用python和tensorflow。知道这些C ++问题的答案也会很有趣。

对您表示感谢，并为冗长的帖子表示歉意

Answer 1

Tensorflow允许根据需要从磁盘中批量读取数据，并具有提前缓冲数据以减少延迟的方法（即，当批处理3通过网络运行时，批处理4位于内存中，而批处理5位于网络中）将其加载到批次2以前的内存中。）签出tf.data库。 cifar10 example的功能与您的要求类似，但是cifar10格式很怪异，因此需要进行一些调整。

有人有更好的例子吗？

图像馈入深度神经网络

1 个答案: