貼一張自己畫的思維導圖?

數據集準備?
kaggle貓狗大戰數據集（訓練），微軟的不需要FQ

• 12500張cat
• 12500張dog

生成圖片路徑和標簽的List

step1：獲取D:/Study/Python/Projects/Cats_vs_Dogs/data/Cat下所有的貓圖路徑名，存放到cats中，同時貼上標簽0，存放到label_cats中。狗圖同理。

train_dir = 'D:/Study/Python/Projects/Cats_vs_Dogs/data'def get_files(file_dir): for file in os.listdir(file_dir+'/Cat'): cats.append(file_dir +'/Cat'+'/'+ file) label_cats.append(0) for file in os.listdir(file_dir+'/Dog'): dogs.append(file_dir +'/Dog'+'/'+file) label_dogs.append(1)

step2：對生成的圖片路徑和標簽List做打亂處理

#把cat和dog合起來組成一個list（img和lab）image_list = np.hstack((cats, dogs))label_list = np.hstack((label_cats, label_dogs))#利用shuffle打亂順序temp = np.array([image_list, label_list]) temp = temp.transpose() np.random.shuffle(temp) #從打亂的temp中再取出list（img和lab） image_list = list(temp[:, 0]) label_list = list(temp[:, 1]) label_list = [int(i) for i in label_list]

生成Batch

step1：將上面生成的List傳入get_batch() ，轉換類型，產生一個輸入隊列queue，因為img和lab是分開的，所以使用tf.train.slice_input_producer()，然后用tf.read_file()從隊列中讀取圖像

• image_W, image_H, ：設置好固定的圖像高度和寬度
• 設置batch_size：每個batch要放多少張圖片
• capacity：一個隊列最大多少

def get_batch(image, label, image_W, image_H, batch_size, capacity):#轉換類型 image = tf.cast(image, tf.string) label = tf.cast(label, tf.int32) # make an input queue input_queue = tf.train.slice_input_producer([image, label]) label = input_queue[1] image_contents = tf.read_file(input_queue[0]) #read img from a queue

step2：將圖像解碼，不同類型的圖像不能混在一起，要么只用jpeg，要么只用png等。

image = tf.image.decode_jpeg(image_contents, channels=3)

step3：數據預處理，對圖像進行旋轉、縮放、裁剪、歸一化等操作，讓計算出的模型更健壯。

image = tf.image.resize_image_with_crop_or_pad(image, image_W, image_H)image = tf.image.per_image_standardization(image)

4：生成batch

• image_batch: 4D tensor [batch_size, width, height, 3],dtype=tf.float32
• label_batch: 1D tensor [batch_size], dtype=tf.int32

image_batch, label_batch = tf.train.batch([image, label],batch_size= batch_size,num_threads= 32, capacity = capacity) #重新排列label，行數為[batch_size] label_batch = tf.reshape(label_batch, [batch_size]) image_batch = tf.cast(image_batch, tf.float32)

測試

step1：變量初始化，每批2張圖，尺寸208x208，設置好自己的圖像路徑

BATCH_SIZE = 2 CAPACITY = 256 IMG_W = 208 IMG_H = 208 train_dir = 'D:/Study/Python/Projects/Cats_vs_Dogs/data'

step2：調用前面的兩個函數，生成batch

image_list, label_list = get_files(train_dir) image_batch, label_batch = get_batch(image_list, label_list, IMG_W, IMG_H, BATCH_SIZE, CAPACITY)

step3：開啟會話session，利用tf.train.Coordinator()和tf.train.start_queue_runners(coord=coord)來監控隊列（這里有個問題：官網的start_queue_runners()是有兩個參數的，sess和coord，但是在這里加上sess的話會報錯）。?
利用try——except——finally結構來執行隊列操作（官網推薦的方法），避免程序卡死什么的。i<2執行兩次隊列操作，每一次取出2張圖放進batch里面，然后imshow出來看看效果。

with tf.Session() as sess:i = 0coord = tf.train.Coordinator()threads = tf.train.start_queue_runners(coord=coord)try:while not coord.should_stop() and i<2: img, label = sess.run([image_batch, label_batch]) # just test one batch for j in np.arange(BATCH_SIZE): print('label: %d' %label[j]) plt.imshow(img[j,:,:,:]) plt.show() i+=1 except tf.errors.OutOfRangeError: print('done!') finally: coord.request_stop() coord.join(threads)

step4：查看結果，會出現4張圖，resize的效果感覺不是很好，不知道是什么問題?
2017.7.10 圖片不正常是因為生成batch的時候將image轉成了浮點型，吧image_batch = tf.cast(image_batch, tf.float32)注釋掉后就好了

?

轉載于:https://www.cnblogs.com/jyxbk/p/7750451.html

總結

以上是生活随笔為你收集整理的猫狗分类--Tensorflow实现的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。