初探TensorFLow从文件读取图片的四种方式

本文记录一下TensorFLow的几种图片读取方法，官方文档有较为全面的介绍。1.使用gfile读图片

本文记录一下TensorFLow的几种图片读取方法，官方文档有较为全面的介绍。

1.使用gfile读图片，decode输出是Tensor，eval后是ndarray

import matplotlib.pyplot as plt
import tensorflow as tf
import numpy as np

print(tf.__version__)

image_raw = tf.gfile.FastGFile('test/a.jpg','rb').read() #bytes
img = tf.image.decode_jpeg(image_raw) #Tensor
#img2 = tf.image.convert_image_dtype(img, dtype = tf.uint8)

with tf.Session() as sess:
 print(type(image_raw)) # bytes
 print(type(img)) # Tensor
 #print(type(img2))

 print(type(img.eval())) # ndarray !!!
 print(img.eval().shape)
 print(img.eval().dtype)

# print(type(img2.eval()))
# print(img2.eval().shape)
# print(img2.eval().dtype)
 plt.figure(1)
 plt.imshow(img.eval())
 plt.show()

输出为：

1.3.0 <class 'bytes'> <class 'tensorflow.python.framework.ops.Tensor'> <class 'numpy.ndarray'> (666, 1000, 3) uint8 图片显示（略）

2.使用WholeFileReader输入queue，decode输出是Tensor，eval后是ndarray

import tensorflow as tf
import os
import matplotlib.pyplot as plt
def file_name(file_dir): #来自//www.jb51.net/article/134543.htm
 for root, dirs, files in os.walk(file_dir): #模块os中的walk()函数遍历文件夹下所有的文件
 print(root) #当前目录路径 
 print(dirs) #当前路径下所有子目录 
 print(files) #当前路径下所有非目录子文件 

def file_name2(file_dir): #特定类型的文件
 L=[] 
 for root, dirs, files in os.walk(file_dir): 
 for file in files: 
 if os.path.splitext(file)[1] == '.jpg': 
 L.append(os.path.join(root, file)) 
 return L 

path = file_name2('test')


#以下参考//www.jb51.net/article/134547.htm (十图详解TensorFlow数据读取机制)
#path2 = tf.train.match_filenames_once(path)
file_queue = tf.train.string_input_producer(path, shuffle=True, num_epochs=2) #创建输入队列 
image_reader = tf.WholeFileReader() 
key, image = image_reader.read(file_queue) 
image = tf.image.decode_jpeg(image) 

with tf.Session() as sess: 
# coord = tf.train.Coordinator() #协同启动的线程 
# threads = tf.train.start_queue_runners(sess=sess, coord=coord) #启动线程运行队列 
# coord.request_stop() #停止所有的线程 
# coord.join(threads) 

 tf.local_variables_initializer().run()
 threads = tf.train.start_queue_runners(sess=sess)

 #print (type(image)) 
 #print (type(image.eval())) 
 #print(image.eval().shape)
 for _ in path+path:
 plt.figure
 plt.imshow(image.eval())
 plt.show()

3.使用read_file，decode输出是Tensor，eval后是ndarray

import matplotlib.pyplot as plt
import tensorflow as tf
import numpy as np

print(tf.__version__)

image_value = tf.read_file('test/a.jpg')
img = tf.image.decode_jpeg(image_value, channels=3)

with tf.Session() as sess:
 print(type(image_value)) # bytes
 print(type(img)) # Tensor
 #print(type(img2))

 print(type(img.eval())) # ndarray !!!
 print(img.eval().shape)
 print(img.eval().dtype)

# print(type(img2.eval()))
# print(img2.eval().shape)
# print(img2.eval().dtype)
 plt.figure(1)
 plt.imshow(img.eval())
 plt.show()

输出是：

1.3.0 <class 'tensorflow.python.framework.ops.Tensor'> <class 'tensorflow.python.framework.ops.Tensor'> <class 'numpy.ndarray'> (666, 1000, 3) uint8 显示图片（略）

4.TFRecords：

有空再看。

如果图片是根据分类放在不同的文件夹下，那么可以直接使用如下代码： //www.jb51.net/article/134532.htm //www.jb51.net/article/134539.htm

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持脚本之家。