2016-01-27 1 views
1

Je suis un utilisateur de réseau de neurones néophyte qui essaie de se familiariser avec TensorFlow. J'ai utilisé le jeu de données MNIST comme test et j'aimerais maintenant utiliser des données du monde réel. Quelqu'un peut-il me pointer vers un "Howto" ou un papier ou une source qui me dit comment convertir des photos numériques en fichiers, (jpeg, png, gif, wmf), en tenseurs prêts pour l'importation dans TensorFlow s'il vous plaît?Comment puis-je convertir des photographies en tenseurs

À la votre!

+2

https://github.com/HamedMP/ImageFlow a du code sympa pour convertir des images en TFRecords. Cela pourrait aider. Si vous voulez opérer avec des octets, vous avez besoin d'un code similaire à l'exemple CIFAR10 dans TF. Quel est votre cas d'utilisation spécifique? – jkschin

+0

Salut, merci pour le pointeur; Je vais télécharger ImageFlow et essayer. Le cas d'utilisation est l'identification des bourdons. –

+0

J'ai localisé et téléchargé le module ImageFlow, mais la documentation n'est pas claire lors de l'utilisation de la commande: convert_images (images, étiquettes, nom de fichier). Quelqu'un peut-il s'il vous plaît me montrer un exemple de comment utiliser cette commande s'il vous plaît? (Par exemple, il demande une étiquette pour chaque image - est-ce possible?) –

Répondre

0

La méthode standard pour charger des données dans Tensorflow consiste à utiliser un fichier TFRecords.

Une autre approche consiste à convertir toutes les données que vous avez dans un format pris en charge. Cette approche facilite le mélange et la correspondance des ensembles de données et des architectures réseau. Le format recommandé pour TensorFlow est un fichier TFRecords contenant les tampons de protocole tf.train.Example.

- Tensorflow Documentation

Fondamentalement TFRecord est une représentation binaire de données ou d'images ainsi que ses étiquettes, les noms de fichiers et d'autres informations. Ses principaux avantages sont de vous permettre de diffuser efficacement les données dans le modèle en utilisant le threading de Tensorflow et d'augmenter la flexibilité entre les différents modèles.

Vous pouvez utiliser ce script pour générer vos propres fichiers TFRecord. En outre, vous pouvez lire comment utiliser le script here.