TensorFlow杂记 - 读入batch_size张图片，转换shape，batch卷积

在前文 “ TensorFlow杂记 - 生成和读取TFRecord（一）” 和 “ TensorFlow杂记 - 生成和读取TFRecord（二）” 提供了两种生成和读取TFRecord文件的代码示例。

在前一篇文章“ TensorFlow杂记 - 理解读入图片，转换shape，卷积，最后再保存图片 ”示例了从本地读取一张图片，然后进行卷积操作。

本文提供一段从图片名列表中连续读取batch_size张图片，并进行batch卷积。

 

import tensorflow as tf

filelist = ['0000.jpg', '0001.jpg', '0002.jpg', '0003.jpg', '0004.jpg']

"""
    批量读入图片，并转换成NCHW
"""
# 1、构造文件队列
file_queue = tf.train.string_input_producer(filelist)
# 2、构造阅读器去读取文件的内容（默认读取一张图片）
reader = tf.WholeFileReader()
# 从队列中读取图片数据
key, value = reader.read(file_queue)
# 3.对读取的图片文件进行解码
image = tf.image.decode_jpeg(value)

image_float32 = tf.image.convert_image_dtype(image, dtype=tf.float32)

""" 此处根据实际情况，选择是否执行resize """
# image_resize = tf.image.resize_images(image, [121, 121])

""" 此处需要指定图片的shape（HWC），否则会出现如下错误 """
""" ValueError: All shapes must be fully defined: [TensorShape([Dimension(None), Dimension(None), Dimension(None)])] """
image_float32.set_shape([335, 500, 3])

#
# 5.进行批处理,批处理要求所有数据形状必须定义
image_float32_batch = tf.train.batch([image_float32], batch_size=5, num_threads=1, capacity=16)
print("image_float32_batch.shape", image_float32_batch.shape)
image_float32_batch_NCHW = tf.transpose(image_float32_batch, perm=[0, 3, 1, 2])

"""
    定义权重和偏置，执行batch卷积
"""
# 定义一个卷积核，参数2为[核宽，核高，输入通道数，输出通道数]；定义一个偏执，参数2为[等同于输出通道数]
w = tf.get_variable("weight", [3, 3, 3, 128] ,initializer=tf.truncated_normal_initializer(stddev=0.1))
# b = tf.get_variable("biase", [64], initializer=tf.truncated_normal_initializer(0.0))
# 执行卷积，添加偏执
conv = tf.nn.conv2d(image_float32_batch_NCHW, w, strides=[1, 1, 1, 1], padding='SAME', data_format='NCHW')
# ret = tf.identity(tf.nn.bias_add(conv, b, data_format='NCHW'))


config = tf.ConfigProto()
config.gpu_options.allow_growth = True

with tf.Session(config=config) as sess:
    sess.run(tf.global_variables_initializer())
    # 定义一个线程协调器
    coordinator = tf.train.Coordinator()
    # 开启读文件的线程
    threads = tf.train.start_queue_runners(sess, coord=coordinator)

    image_float32_batch_NCHW_ = sess.run(image_float32_batch_NCHW)
    print(image_float32_batch_NCHW_.shape)  # CHW
    print(type(image_float32_batch_NCHW_))  # CHW

    conv_ = sess.run(conv)
    print(conv_.shape)  # CHW
    print(type(conv_))  # CHW


    # 读取结束后回收子线程
    coordinator.request_stop()
    coordinator.join(threads)