Создайте набор данных TensorFlow для CNN из локального набора данных - PullRequest
Новая
       38

Создайте набор данных TensorFlow для CNN из локального набора данных

1 голос
/ 18 марта 2019

У меня есть большой набор данных черно-белых изображений с двумя классами, где имя каталога является именем класса:

  • каталог SELECTION содержит все изображения с меткой = выделение;
  • каталог NEUTRAL содержит все изображения с меткой = нейтральный.

Мне нужно загрузить все эти изображения в набор данных TensorFlow для изменения набора данных MNIST в this учебное пособие.

Я пытался следовать этому руководству, и оно выглядит хорошо, но есть некоторые проблемы, которые я не знаю, как исправить.Следуя инструкциям, я прибыл до сюда: 

    from __future__ import absolute_import, division, print_function
    import os
    import pathlib
    import IPython.display as display
    import tensorflow as tf
    import numpy as np
    import matplotlib.pyplot as plt
    np.set_printoptions(threshold=np.nan)

    tf.enable_eager_execution()
    tf.__version__
    os.system('clear')

    #### some tries for the SELECTION dataset ####

    data_root = pathlib.Path('/Users/matteo/Desktop/DATASET_X/SELECTION/TRAIN_IMG')

    all_image_paths = []
    all_image_labels = []
    for item in data_root.iterdir():
        item_tmp = str(item)
        if 'selection.png' in item_tmp:
            all_image_paths.append(str(item))
            all_image_labels.append(0)

    image_count = len(all_image_paths)
    label_names = ['selection', 'neutral']
    label_to_index = dict((name, index) for index, name in enumerate(label_names))
    img_path = all_image_paths[0]
    img_raw = tf.read_file(img_path)

    img_tensor = tf.image.decode_png(
        contents=img_raw,
        channels=1
    )
    print(img_tensor.numpy().min())
    print(img_tensor.numpy().max())
    #### it works fine till here ####

    #### trying to make a function ####
    #### problems from here ####

    def load_and_decode_image(path):
        print('[LOG:load_and_decode_image]: ' + str(path))
        image = tf.read_file(path)

        image = tf.image.decode_png(
            contents=image,
            channels=3
        )

        return image


    image_path = all_image_paths[0]
    label = all_image_labels[0]

    image = load_and_decode_image(image_path)
    print('[LOG:image.shape]: ' + str(image.shape))

    path_ds = tf.data.Dataset.from_tensor_slices(all_image_paths)

    print('shape: ', repr(path_ds.output_shapes))
    print('type: ', path_ds.output_types)
    print()
    print('[LOG:path_ds]:' + str(path_ds))

Если я загружаю только один элемент, он работает, но когда я пытаюсь это сделать: 

path_ds = tf.data.Dataset.from_tensor_slices(all_image_paths)

, если я печатаю path_ds.shape этовернуть shape: TensorShape([]) так что кажется, что это не работаетЕсли я попытаюсь продолжить следовать руководству с этим блоком 

image_ds = path_ds.map(load_and_decode_image, num_parallel_calls=AUTOTUNE)
plt.figure(figsize=(8, 8))
for n, image in enumerate(image_ds.take(4)):
    print('[LOG:n, image]: ' + str(n) + ', ' + str(image))
    plt.subplot(2, 2, n+1)
    plt.imshow(image)
    plt.grid(False)
    plt.xticks([])
    plt.yticks([])
    plt.xlabel(' selection'.encode('utf-8'))
    plt.title(label_names[label].title())
plt.show()

, это выдаст мне следующую ошибку: 

It's not possible open ' < string >': The file was not found (file: // /Users/matteo/Documents/GitHub/Cnn_Genetic/cnn_genetic/<string > ).

, но проблема в том, что я не знаю, что это за файли почему он ищет это.Я не хочу рисовать свои изображения, но я хочу понять, почему это не работает.Если я скопирую / вставлю код учебника, у меня возникнет та же проблема, поэтому я думаю, что есть проблема с новой версией tf.

Так что ... если кто-нибудь может сказать мне, где я иду не так, я быбыть очень благодарным.Спасибо за ваше время.

1 Ответ

0 голосов
/ 04 апреля 2019

Ваша проблема в том, что path_ds должны быть путями изображения в виде строк, но вы пытаетесь преобразовать их в список тензоров.

Итак, чтобы получить тензоры, вам нужно только: 

image_ds = all_image_paths.map(load_and_decode_image, num_parallel_calls=AUTOTUNE)
...