關(guān)說不練假把式。手上正好有車牌字符的數(shù)據(jù)集，想把他們寫成TFRecord格式，然后讀進(jìn)來，構(gòu)建一個(gè)簡(jiǎn)單的cnn訓(xùn)練看看。然后發(fā)現(xiàn)準(zhǔn)確率只有0.0x。隨機(jī)猜也比這要好點(diǎn)吧。只能一步步檢查整個(gè)過程。暫時(shí)想到問題可能出現(xiàn)的地方：

• 數(shù)據(jù)編碼解碼錯(cuò)誤
• 網(wǎng)絡(luò)構(gòu)建問題
• 學(xué)習(xí)步長(zhǎng)問題
• 數(shù)據(jù)量太小
• label設(shè)置

不確定是不是這些問題先檢查下，tensorboard能給我們很多信息。今天先檢查了圖片解碼編碼問題。在讀取數(shù)據(jù)的時(shí)候?yàn)閕mage增加一個(gè)summary，這樣就能在tensorboard上看到圖片了。

img=tf.summary.image('input',x,batch_size)

tensorboard的使用之前有說過。出現(xiàn)的結(jié)果說我沒有圖片記錄，大約是這個(gè)意思。所以我的解碼編碼程序還是有問題。圖片編碼成tfreord無非就是把圖片數(shù)據(jù)按照tfrecord的格式填進(jìn)去。tfrecord是example的集合，example的格式：

message Example {#message類似于類Features features = 1; };

而 Features 是字典集合，（key，value）。

?

下面直接上tfrecord編碼解碼代碼，改好過的。

1 import tensorflow as tf 2 import numpy as np 3 import glob 4 import os 5 from PIL import Image 6 def _int64_feature(value): 7 if not isinstance(value,list): 8 value=[value] 9 return tf.train.Feature(int64_list=tf.train.Int64List(value=value)) 10 def _byte_feature(value): 11 return tf.train.Feature(bytes_list=tf.train.BytesList(value=[value])) 12 def encode_to_tfrecords(data_path,name,rows=24,cols=16):#從圖片路徑讀取圖片編碼成tfrecord 13 folders=os.listdir(data_path)#這里都和我圖片的位置有關(guān) 14 folders.sort() 15 numclass=len(folders) 16 i=0 17 npic=0 18 writer=tf.python_io.TFRecordWriter(name) 19 for floder in folders: 20 path=data_path+"/"+floder 21 img_names=glob.glob(os.path.join(path,"*.bmp")) 22 for img_name in img_names: 23 img_path=img_name 24 img=Image.open(img_path).convert('P') 25 img=img.resize((cols,rows)) 26 img_raw=img.tobytes() 27 labels=[0]*34#我用的是softmax，要和預(yù)測(cè)值的維度一致 28 labels[i]=1 29 example=tf.train.Example(features=tf.train.Features(feature={#填充example 30 'image_raw':_byte_feature(img_raw), 31 'label':_int64_feature(labels)})) 32 writer.write(example.SerializeToString())#把example加入到writer里，最后寫到磁盤。 33 npic=npic+1 34 i=i+1 35 writer.close() 36 print npic 37 38 def decode_from_tfrecord(filequeuelist,rows=24,cols=16): 39 reader=tf.TFRecordReader()#文件讀取 40 _,example=reader.read(filequeuelist) 41 features=tf.parse_single_example(example,features={'image_raw':#解碼 42 tf.FixedLenFeature([],tf.string), 43 'label':tf.FixedLenFeature([34,1],tf.int64)}) 44 image=tf.decode_raw(features['image_raw'],tf.uint8) 45 image.set_shape(rows*cols) 46 image=tf.cast(image,tf.float32)*(1./255)-0.5 47 label=tf.cast(features['label'],tf.int32) 48 return image,label 49 50 51 def get_batch(filename_queue,batch_size): 52 with tf.name_scope('get_batch'): 53 [image,label]=decode_from_tfrecord(filename_queue) 54 images,labels=tf.train.shuffle_batch([image,label],batch_size=batch_size,num_threads=2, 55 capacity=100+3*batch_size,min_after_dequeue=100) 56 return images,labels 57 58 59 def generate_filenamequeue(filequeuelist): 60 filename_queue=tf.train.string_input_producer(filequeuelist,num_epochs=5) 61 return filename_queue 62 63 def test(filename,batch_size): 64 filename_queue=generate_filenamequeue(filename) 65 [images,labels]=get_batch(filename_queue,batch_size) 66 init_op = tf.group(tf.global_variables_initializer(), 67 tf.local_variables_initializer()) 68 sess=tf.InteractiveSession() 69 sess.run(init_op) 70 coord=tf.train.Coordinator() 71 threads=tf.train.start_queue_runners(sess=sess,coord=coord) 72 i=0 73 try: 74 while not coord.should_stop(): 75 image,label=sess.run([images,labels]) 76 i=i+1 77 if i%1000==0: 78 for j in range(batch_size):#之前tfrecord編碼的時(shí)候，數(shù)據(jù)范圍變成[-0.5,0.5],現(xiàn)在相當(dāng)于逆操作，把數(shù)據(jù)變成圖片像素值 79 image[j]=(image[j]+0.5)*255 80 ar=np.asarray(image[j],np.uint8) 81 #image[j]=tf.cast(image[j],tf.uint8) 82 print ar.shape 83 img=Image.frombytes("P",(16,24),ar.tostring())#函數(shù)參數(shù)中寬度高度要注意。構(gòu)建24×16的圖片 84 img.save("/home/wen/MNIST_data/reverse_%d.bmp"%(i+j),"BMP")#保存部分圖片查看 85 '''if(i>710): 86 print("step %d"%(i)) 87 print image 88 print label''' 89 except tf.errors.OutOfRangeError: 90 print('Done training -- epoch limit reached') 91 finally: 92 # When done, ask the threads to stop. 93 coord.request_stop() 94 95 # Wait for threads to finish. 96 coord.join(threads) 97 sess.close()

讀取文件的動(dòng)態(tài)圖，來自官網(wǎng)教程：

在文件夾中：

在tensorboard里：

終于看見熟悉的圖片了，現(xiàn)在數(shù)據(jù)編碼解碼沒問題，效果依然0.0x。。。。

錯(cuò)誤改掉一個(gè)少一個(gè)，接著檢查其他部分。

debug過程中，一直在google，stackoverflow，官網(wǎng)documents，度娘略微雞肋。

***********************************************************************************************************************************************************************************************

?

猜測(cè)是同類樣本集中b并且同類數(shù)據(jù)多，用batch_shuffle裝進(jìn)來的都還是同類

?

轉(zhuǎn)載于:https://www.cnblogs.com/wyh1993/p/6703135.html

總結(jié)

以上是生活随笔為你收集整理的image和TFRecord互相转换的全部?jī)?nèi)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(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。