Question

我想在我的数据集上实现堆叠式胶囊自动编码器（请参见here）。在实施过程中，我面临以下问题：

MNIST数据集的加载方式如下：

tfds.load(name='mnist', split=subset, **kwargs).repeat().batch(batch_size)
<DatasetV1Adapter shapes: {label: (?,), image: (?, 28, 28, 1)}, types: {label: tf.int64, image: tf.uint8}>

我通过替换以下代码来加载数据集：

img_list = []
for img in glob.glob("update_207/*.png"):
  n= cv2.imread(img,0)
  img_1 = tf.convert_to_tensor(np.array(n.resize((2000, 1200, 1))))
  img_list.append(img_1) 
tf.data.Dataset.from_tensor_slices(img_list).repeat().batch(batch_size)
<DatasetV1Adapter shapes: (?,), types: tf.float32>

我是Tensorflow的新手，所以请建议对我的代码进行更改，以便获得与MNIST相似的形状和类型的数据集。

Answer 1

最好用“相似的形状和类型”来详细说明您的意思。在您的情况下，看起来您输入的图像比mnist图像大得多。这意味着您必须将它们的尺寸调整为28x28像素。

如果您让我们知道当前缺少什么，我们也许可以为您提供更好的帮助！

Answer 2

尝试这个：

img_list = []
for img in glob.glob("photos/*.jpg"):
  n= cv2.imread(img)
  img_1 = tf.convert_to_tensor(np.array(cv2.resize(n, (256, 256))))
  img_list.append(img_1) 
train_photos = tf.data.Dataset.from_tensor_slices(img_list).repeat().batch(64)

从目录中加载图像数据集，而不是tf.load中的MNIST数据集

2 个答案: