TensorFlow通用模板（1） 数据导入

一直想写这个系列很久了。由于工作上遇到的一些事情，让我觉得做算法，最重要的是要方便实验，尽快的出结果，与其做一个大而全的框架，不如做一个简洁通用的模板，毕竟，算法阶段最重要的是结果。我的工作也是给一个模型出去。

这个系列以CS230为参考，这里感谢无限的网络资源~
https://cs230-stanford.github.io/

图像出身，以图像相关为例

流程

1. imgs文件夹存放所有的图片，annos文件夹存放所有的标注
2. 生成images，labels的txt文件 利用tf.data.Dataset.from_tensor_slices()读取数据
3. shuffle 数据
4. 读取图片和标签，处理成自己要的格式
5. 数据增强，利用多线程加速预处理等
6. 批量化数据
7. Prefetch 1 个batch，为了满足num/batch不为整数的情况

实现细节

第一部分：从xml文件里解析目标检测的标注（可根据自己需要定制）

import tensorflow as tf
import xml.etree.ElementTree as ET
import numpy as np


# Must do before Session()
def _parse_label(label):
    """Obtain label_list from label(for both training and validation)
        Example for
            - Decode label from xml file (for object detection)

    """

    label_value = []
    tree = ET.parse(label)
    root = tree.getroot()
    for member in root.findall('object'):
        value = [root.find('filename').text,
                 int(root.find('size')[0].text),
                 int(root.find('size')[1].text),
                 member.find('name').text,
                 int(member.find('bndbox')[0].text