#猫狗大战——TensorFlow的实现

新手一枚，记录一下学习的艰辛历程，如果有什么错误，欢迎大家多多指教。根据所学知识，神经网络是允许图片直接输入进行训练的，可是当输入数据集太大时就不大方便啦，一般是生成tfrecords的形式进行训练，实践证明，这样做真的很方便！所以猫狗的识别第一步就是将数据图片生成TF文档。本人使用的是数据集来源于Kaggle，数据集有12500只猫和12500只狗。数据集可以去网站下载~

一 TFrecords的生成

---

首先下载好的数据集中的train文件夹中的猫狗分开，形成下图中的文件夹

接下来不多说附上程序代码

import os 
import tensorflow as tf 
from PIL import Image  


cwd='E:\\BaiduNetdiskDownload\kaggle\\train\\'#上述文件夹地址
classes={
  'cat','dog'} 
writer= tf.python_io.TFRecordWriter("cat_dog.tfrecords") 

for index,name in enumerate(classes):
    class_path=cwd+name+'/'
    for img_name in os.listdir(class_path): 
        img_path=class_path+img_name 
        img=Image.open(img_path)
        img= img.resize((64,64))
        img_raw=img.tobytes()
        #plt.imshow(img) # if you want to check you image,please delete '#'
        #plt.show()
        example = tf.train.Example(features=tf.train.Features(feature={
            "label": tf.train.Feature(int64_list=tf.train.Int64List(value=[index])),
            'img_raw': tf.train.Feature(bytes_list=tf.train.BytesList(value=[img_raw]))
        })) 
        writer.write(example.SerializeToString()) 

writer.close()

二 TF文档的读取

---

  新建input_data.py文件，返回图像和标签

import tensorflow as tf 



def read_and_decode(tfrecords_file): # read iris_contact.tfrecords
    filename_queue = tf.train.string_input_producer([tfrecords_file])# create a queue
#队列生成
    reader = tf.TFRecordReader()
    _, serialized_example = reader.read(filename_queue)#return file_name and file
    features = tf.parse_single_example(serialized_example,
                                       features={
                                           'label': tf.FixedLenFeature([], tf.int64),
                                           'img_raw' : tf.FixedLenFeature([], tf.string),
                                       })#return image and label

    img = tf.decode_raw(features['img_raw'], tf.uint8)
    img = tf.reshape(img, [64, 64, 3])  #reshape image to 512*80*3
    img = tf.cast(img, tf.f