tensorflow實戰系列（一）

　　　　最近開始整理一下tensorflow，準備出一個tensorflow實戰系列，以饗讀者。

　　　　學習一個深度學習框架，通常遵循這樣的思路：數據如何讀取，如如何從圖片和標籤數據中讀出成tensorflow能夠使用的數據，其次是如何搭建網絡，而後就是如何訓練模型，保存模型，使用模型。最後就是可視化了。

　　　　tensorflow上開發了不少有用的包：如tensorlayers,tflearns,slim等，這些包能夠讓你很方便的構建網絡模型。

　　　　入門系列你能夠直接按照tensorflow的官方文檔來跑就能夠了。咱就不贅敘了。

　　　　實戰第一步，咱們開始構建tensorflow的數據集。

　　　　tensorflow能夠讀取不少種數據，1直接從磁盤上讀取jpg文件，這個比較費時間。2讀取csv格式的數據。這個我沒有深挖。3讀取bin格式的數據，它的例子中就有是讀取已經保存的bin文件的，在models/image文件夾下的一個例子。4tfrecords方法。這個方法比較方便，也是tensorflow的默認文件格式。

　　　　就用這個第四種方法了。

　　　　直接上存的代碼：

　　　　def createtraindata():
    cwd='/home/xxx/data/imagedata/'
    classes={'bird','dog','person'}
    writer = tf.python_io.TFRecordWriter("train.tfrecords")//保存的tfrecord的文件名是train.tfrecords
    for index, name in enumerate(classes):
        class_path = cwd + name + "/"
        for img_name in os.listdir(class_path):
            img_path = class_path + img_name
            img = Image.open(img_path)
            img = img.resize((224, 224))
            img_raw = img.tobytes()              #將圖片轉化爲原生bytes
            example = tf.train.Example(features=tf.train.Features(feature={
                "label": tf.train.Feature(int64_list=tf.train.Int64List(value=[index])),
                'img_raw': tf.train.Feature(bytes_list=tf.train.BytesList(value=[img_raw]))
            }))
            writer.write(example.SerializeToString())  #序列化爲字符串
    writer.close()

 

代碼不難，就是一些日常的python操做。這個是我跑通了的。若是有問題請留言