實現人臉識別性別之路---製做本身的訓練集並讀取

import tensorflow as tf
import os
import cv2

def handle_data(photo_path):
    #製做數據集
    writer = tf.python_io.TFRecordWriter("data_photo.tfrecords")
    cast = {"boy"}
    for index,name in enumerate(cast):
        # print(index,name)
        for i in os.listdir(photo_path):
            image_path = os.path.join(photo_path,i)
            # print(image_path)
            imag = cv2.imread(image_path)
            # print(imag)
            image = cv2.resize(imag, (128,128), interpolation=cv2.INTER_CUBIC)
            # print(image)
            dr_image = image.tobytes()
            # print(dr_image)
            exmple = 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 = [dr_image])),                                                               }))
            writer.write(exmple.SerializeToString())

        writer.close()

def put_fileinfo_queue(data_path):
　　#將文件放進隊列中
    file_queue = tf.train.string_input_producer([data_path])

    reader = tf.TFRecordReader()
    key,value = reader.read(file_queue)
    features = tf.parse_single_example(value,features={"label":tf.FixedLenFeature([],tf.int64),
                                                       "img_raw":tf.FixedLenFeature([],tf.string)})#這個要和以前的同樣才能更好的讀取數據
    img = tf.decode_raw([features["img_raw"]],tf.uint8)#要與存入數據的時候，一致
    img = tf.cast(img,tf.float32)#而後咱們能夠轉化爲tf.float32
    img = tf.reshape(img,[128,128,3])#圖片是三通道的
    lebal = tf.cast(features["label"],tf.int32)

    return img,lebal

def batch_size(img,label):
    #將圖片的信息分批化
    image,label=tf.train.shuffle_batch([img,label],batch_size=2,capacity=3,min_after_dequeue=2)
    return image,label

init = tf.global_variables_initializer()
if __name__=="__main__":
    photo_path="E:\\temporary"
    handle_data(photo_path)
    file = os.listdir("E:\\da")
    for i in file:
        filepath = os.path.join("E:\\da",i)
    img,label   = put_fileinfo_queue(filepath)
    image,label = batch_size(img,label)
    with tf.Session()as sess:
        sess.run(init)
        coord = tf.train.Coordinator()
        threads = tf.train.start_queue_runners(coord=coord)
        for i in range(3):
            print(sess.run([image,label]))
        coord.request_stop()
        coord.join()
代碼的思路：

圖片分批處理的方式：
(1)、製做數據集（文件擴展名爲：tfrecord)
一、經過tf.python_io.TFRecordWriter(地址)返回一個做者對象
二、讀取圖片地址
三、經過地址將文件信息讀取出來
四、從新設置一下圖片的大小
五、將文件信息轉化爲二進制
六、將全部關於圖片的東西轉化爲一個例子
七、將例子序列化
八、將例子寫入文件
九、讓做者休息
(2)、將數據集放入隊列中
一、建立能讀取文件內容的對象
二、調用對象中的閱讀函數
三、使用閱讀函數返回的value值
四、調用能返回字典（包含文件信息，名字）對象
五、將read讀取的二進制轉化了
六、這裏注意再轉碼時候，要與以前的類型要同樣，所以decode_raw函   數的第二參數是：tf.uint8.
七、記住轉化爲咱們以前的圖片的形式，即爲三通道的圖片
八、轉化圖片信息的張量
九、轉化標籤類型
十、調用將文件而且與文件相對應的標籤分批處理
十一、因爲他們是使用線程的方式調用，所以咱們須要用到線程