在tensorflow中实现ResNet

一、数据预处理和格式转换

1、在kaggle上下载了一个数据踩了一个巨坑，图像有三通道和四通道的图像，导致后续tfrecord读取造成唯独不匹配，用opencv写了一个脚本转换图像

#-*- encoding:utf-8 -*-
#将4通道图像转换成3通道
import os
import cv2

save_dir = '../train_convert'
origin_dir = '../train'
i = 0
for folder in os.listdir(origin_dir):
	os.makedirs(save_dir + '/' + folder)
	for img_file in os.listdir(os.path.join(origin_dir,folder)):
		image = cv2.imread(os.path.join(origin_dir,folder,img_file))
		#if image.shape[2] == 4:
		#	print(os.path.join(origin_dir,folder,img_file))
		cv2.imwrite(os.path.join(save_dir,folder,img_file),image)
	i+=1
	print('processing ' + str(i) + 'th class')

2、生成tfrecord文件，文件格式和代码如下：

#-*- encoding:utf-8 -*-
import os
import numpy as np
import tensorflow as tf
import matplotlib.pyplot as plt
from PIL import Image
import config
import os

os.system('rm -rf {}'.format('../dataset'))
os.makedirs('../dataset')

#生成文件索引及其对应类别编号函数
def get_files(file_dir):
	labels=[]
	images=[]
	with open(config.labels_map_dir,'w+') as f:
		for i,folder in enumerate(os.listdir(file_dir)):
			f.write(folder+' '+str(i)+'\n')#类别名称及其对应的数字
			for file in os.listdir(file_dir+'/'+folder):
				images.append(file_dir+'/'+folder+'/'+file)
				labels.append(i)

		temp = np.array([images,labels])
		temp = temp.transpose()
		np.random.shuffle(temp)#打乱文件的顺序

		image_list = list(temp[:,0])
		label_list = list(temp[:,1])
		label_list = [int(i) for i in label_list]
	return image_list,label_list




#************************************************************
#********************