Увеличение данных в обучении только с тензорным потоком - PullRequest
Новая
       26

Увеличение данных в обучении только с тензорным потоком

0 голосов
/ 19 мая 2019

Я хочу сделать случайное увеличение, только во время поезда.

Я объединил увеличение как часть графика - что, по-моему, является ошибкой, поскольку тот же график используется и для тестирования - и я не хочу, чтобы тестовые изображения были дополнены. 

x = tf.placeholder(tf.float32, shape=[None, _IMAGE_SIZE * _IMAGE_SIZE * _IMAGE_CHANNELS], name='Input')
y = tf.placeholder(tf.float32, shape=[None, _NUM_CLASSES], name='Output')

#reshape the input so we can apply conv2d########
x_image = tf.reshape(x, [-1,32,32,3])


x_image = tf.map_fn(lambda frame: tf.random_crop(frame, [_IMAGE_SIZE, _IMAGE_SIZE, _IMAGE_CHANNELS]), x_image)
x_image = tf.map_fn(lambda frame: tf.image.random_flip_left_right(frame), x_image)
x_image = tf.map_fn(lambda frame: tf.image.random_brightness(frame, max_delta=63), x_image)
x_image = tf.map_fn(lambda frame: tf.image.random_contrast(frame, lower=0.2, upper=1.8), x_image)
x_image = tf.map_fn(lambda frame: tf.image.per_image_standardization(frame), x_image)

Я хочу, чтобы вышеуказанные дополнения были применены только во время тестирования - как это можно сделать?

1 Ответ

0 голосов
/ 31 мая 2019

Решение для этого достаточно простое 

def pre_process_image(image, training):
if training:
    Do things
else:
    Do some other things
return image


def pre_process(images, training):
    images = tf.map_fn(lambda image: pre_process_image(image, training), images)
    return images

Затем вызовите pre_process внутри модели, как я хотел 

if is_training == True:
    with tf.variable_scope('augment', reuse=False):
        with tf.device('/cpu:0'):
            x_image = tf.reshape(x, [-1, _IMAGE_SIZE, _IMAGE_SIZE, _IMAGE_CHANNELS], name='images')
            x_image = pre_process(x_image, is_training)
else:

    with tf.variable_scope('augment', reuse=True):
        with tf.device('/cpu:0'):
            x_image = tf.reshape(x, [-1, _IMAGE_SIZE, _IMAGE_SIZE, _IMAGE_CHANNELS], name='images')
            x_image = pre_process(x_image, is_training)
...