Пример Tensorflow.js cnn хорош, и я решил потренироваться со своими пользовательскими изображениями персонажей (локальные изображения, подобные этому 
. Также доступны как элементы img браузера).Однако я не могу повторить тест, потому что код примеров использует предварительно обработанные изображения данных.
Я скопировал приведенный здесь пример (https://github.com/tensorflow/tfjs-examples/blob/master/mnist-node/README.md) и добавил требуемые пакеты js узла. Пример успешно выполнен.Но я понял, что не могу изменить данные этого примера, потому что он загружает предварительно обработанные данные, как показано ниже.
const BASE_URL = 'https://storage.googleapis.com/cvdf-datasets/mnist/';
const TRAIN_IMAGES_FILE = 'train-images-idx3-ubyte';
const TRAIN_LABELS_FILE = 'train-labels-idx1-ubyte';
const TEST_IMAGES_FILE = 't10k-images-idx3-ubyte';
const TEST_LABELS_FILE = 't10k-labels-idx1-ubyte';
Я сделал изображения того же формата с помощью MNIST (28 * 28), поэтому я подумал, чтоЯ мог просто изменить поезд и проверить данные, но потерпел неудачу, потому что я не знаю, что такое idx3-ubyte формат. URL data.js файлов здесь .
Как я могу сгенерировать такой же ubyte файлов? Или Как использовать локальные изображения или элемент img напрямую?
update Я проверил часть чтения файла data.js и смог создать тот же формат файла. Он также имеет значения заголовка.
async function loadImages(filename) {
const buffer = await fetchOnceAndSaveToDiskWithBuffer(filename);
const headerBytes = IMAGE_HEADER_BYTES;
const recordBytes = IMAGE_HEIGHT * IMAGE_WIDTH;
const headerValues = loadHeaderValues(buffer, headerBytes);
assert.equal(headerValues[0], IMAGE_HEADER_MAGIC_NUM);
assert.equal(headerValues[2], IMAGE_HEIGHT);
assert.equal(headerValues[3], IMAGE_WIDTH);
const images = [];
let index = headerBytes;
while (index < buffer.byteLength) {
const array = new Float32Array(recordBytes);
for (let i = 0; i < recordBytes; i++) {
// Normalize the pixel values into the 0-1 interval, from
// the original 0-255 interval.
array[i] = buffer.readUInt8(index++) / 255;
}
images.push(array);
}
assert.equal(images.length, headerValues[1]);
return images;
}
async function loadLabels(filename) {
const buffer = await fetchOnceAndSaveToDiskWithBuffer(filename);
const headerBytes = LABEL_HEADER_BYTES;
const recordBytes = LABEL_RECORD_BYTE;
const headerValues = loadHeaderValues(buffer, headerBytes);
assert.equal(headerValues[0], LABEL_HEADER_MAGIC_NUM);
const labels = [];
let index = headerBytes;
while (index < buffer.byteLength) {
const array = new Int32Array(recordBytes);
for (let i = 0; i < recordBytes; i++) {
array[i] = buffer.readUInt8(index++);
}
labels.push(array);
}
assert.equal(labels.length, headerValues[1]);
return labels;
}
getData_(isTrainingData) {
let imagesIndex;
let labelsIndex;
if (isTrainingData) {
imagesIndex = 0;
labelsIndex = 1;
} else {
imagesIndex = 2;
labelsIndex = 3;
}
const size = this.dataset[imagesIndex].length;
tf.util.assert(
this.dataset[labelsIndex].length === size,
`Mismatch in the number of images (${size}) and ` +
`the number of labels (${this.dataset[labelsIndex].length})`);
// Only create one big array to hold batch of images.
const imagesShape = [size, IMAGE_HEIGHT, IMAGE_WIDTH, 1];
const images = new Float32Array(tf.util.sizeFromShape(imagesShape));
const labels = new Int32Array(tf.util.sizeFromShape([size, 1]));
let imageOffset = 0;
let labelOffset = 0;
for (let i = 0; i < size; ++i) {
images.set(this.dataset[imagesIndex][i], imageOffset);
labels.set(this.dataset[labelsIndex][i], labelOffset);
imageOffset += IMAGE_FLAT_SIZE;
labelOffset += 1;
}
return {
images: tf.tensor4d(images, imagesShape),
labels: tf.oneHot(tf.tensor1d(labels, 'int32'), LABEL_FLAT_SIZE).toFloat()
};
}
}
Ниже приведен код генератора.
const {createCanvas, loadImage} = require('canvas');
const tf = require('@tensorflow/tfjs');
require('@tensorflow/tfjs-node');
const fs = require('fs');
const util = require('util');
// const writeFile = util.promisify(fs.writeFile);
// const readFile = util.promisify(fs.readFile);
(async()=>{
const canvas = createCanvas(28,28);
const ctx = canvas.getContext('2d');
const ch1 = await loadImage('./u.png');
const ch2 = await loadImage('./q.png');
const ch3 = await loadImage('./r.png');
const ch4 = await loadImage('./c.png');
const ch5 = await loadImage('./z.png');
console.log(ch1);
ctx.drawImage(ch1, 0, 0);
const ch1Data = tf.fromPixels(canvas, 1);
ctx.drawImage(ch2, 0, 0);
const ch2Data = tf.fromPixels(canvas, 1);
ctx.drawImage(ch3, 0, 0);
const ch3Data = tf.fromPixels(canvas, 1);
ctx.drawImage(ch4, 0, 0);
const ch4Data = tf.fromPixels(canvas, 1);
ctx.drawImage(ch5, 0, 0);
const ch5Data = tf.fromPixels(canvas, 1);
// console.log(await ch1Data.data());
const b1 = Buffer.from(await ch1Data.data());
const b2 = Buffer.from(await ch2Data.data());
const b3 = Buffer.from(await ch3Data.data());
const b4 = Buffer.from(await ch4Data.data());
const b5 = Buffer.from(await ch5Data.data());
const buffers = [b1,b2,b3,b4,b5];
const labels = [0,1,3,2,4,0,1,2,1,0,3,0,2,3,4,0,];
const Images = [];
const size = labels.length;
for(var i = 0; i < size;i++){
Images.push(buffers[labels[i]]);
}
const imageHeaderBytes = 16;
const imageRecordBytes = 28 * 28;
const labelHeaderBytes = 8;
const labelRecordBytes = 1;
let imageBuffer = Buffer.alloc(imageHeaderBytes + size * imageRecordBytes);
let labelBuffer = Buffer.alloc(labelHeaderBytes + size * labelRecordBytes);
const imageHeaderValues = [2051, size, 28, 28];
const labelHeaderValues = [2049, size];
for (let i = 0; i < 4; i++) {
// Header data is stored in-order (aka big-endian)
imageBuffer.writeUInt32BE(imageHeaderValues[i], i * 4);
}
for (let i = 0; i < 2; i++) {
// Header data is stored in-order (aka big-endian)
labelBuffer.writeUInt32BE(labelHeaderValues[i], i * 4);
}
let imageindex = imageHeaderBytes;
let labelindex = labelHeaderBytes;
for(let i = 0; i < size; i++){
// imageBuffer = Buffer.concat([imageBuffer, Images[i]]);
// labelBuffer= Buffer.concat([labelBuffer, Buffer.from([labels[i]])]);
// labelBuffer= Buffer.concat([labelBuffer, Buffer.from([labels[i]])]);
const image = Images[i];
let index = 0;
while(index < image.byteLength){
imageBuffer.writeUInt8(image[index], imageindex);
index++;
imageindex++;
}
labelBuffer.writeUInt8(labels[i], labelindex++);
}
fs.writeFileSync('./testGeneratedImageBuffer', imageBuffer);
fs.writeFileSync('./testGeneratedLabelBuffer', labelBuffer);
})();