tensorflow 图像分类实战解析（上）

最新推荐文章于 2024-08-13 14:39:04 发布

ArtistA

最新推荐文章于 2024-08-13 14:39:04 发布

阅读量2.7w

点赞数 3

分类专栏：机器学习文章标签： tensorflow

本文链接：https://blog.csdn.net/ArtistA/article/details/51940457

版权

本文探讨了在TensorFlow中进行图像分类的实践，包括使用IPL库读取图像、解决内存消耗问题的批量读取策略，以及网络结构、权重初始化、激活函数的选择。文章还提到了交叉熵损失函数在优化过程中的作用。

摘要由CSDN通过智能技术生成

之前一直是想解决从规定的文件名列表里面读取图片并且放入TF训练的问题，stackoverflow上面找到了这个答案:http://stackoverflow.com/questions/37450620/tensorflow-image-classification，虽然并非是我最想达到的效果，但毕竟是一个有用的蓝本，在之后以这个为基础再进行改进吧，所以想把这一段代码深入理解一下。

from __future__ import absolute_import
from __future__ import division
from __future__ import print_function

import time
import math
import numpy
import numpy as np
import random
from PIL import Image

使用IPL库来读取图片，其实在这个框架里面就算使用pyplot.iamge来读取图片也没有什么问题
我对比了一些开源库对于读取图像这个问题的解决方案，能够跑的动的方案其实效果都不是非常理想。比如可以使用opencv来做读图图像的接口，YOLO-py中就是这么做的，大致代码如下:

import cv2
img = cv2.imread("xxx.jpg")
#you can do some cv2 process
img_arrayy = np.array(img).resize(imagePixes,1)
#do some tensorflow process
feeddict = {placeholder:im_array}

但是这些方法依然存在着内存消耗过大的问题&