深度学习代码案例-狗图片读取

源程序代码如下:

"""
   __author__="dazhi"
    2021/3/18-14:10
"""
#对于图片元素有三个维度：图片长度、图片宽度、图片通道数（rgb是3黑白是1）
import os
import tensorflow as tf
def picture_read(file_list):
    tf.compat.v1.disable_eager_execution()
    #1、-----------------------------------------------构建文件名队列
    file_queue = tf.compat.v1.train.string_input_producer(file_list)
    #2、-----------------------------------------------读取操作
    reader = tf.compat.v1.WholeFileReader()
    #key是文件名value是我们默认读取的一个样本
    key,value = reader.read(file_queue)
    #print("key=",key)
    #print("value=",value)
    #解码操作
    image = tf.image.decode_jpeg(value)
    #print("image = ",image)
    #图片形状修改
    image_resize = tf.compat.v1.image.resize_images(image,[200,200])
    #静态形状修改，添加通道数
    image_resize.set_shape(shape=[200,200,3])
    #3、-------------------------------------------------进行批处理(在这之前必须确定形状)
    #batch_size表示一次性处理多少，num_threads表示用几个线程，capacity容量
    image_bach = tf.compat.v1.train.batch([image_resize],batch_size=100,num_threads=1,capacity=100)
    #开启会话
    with tf.compat.v1.Session() as sess:
        #开启线程
        #首先创建线程协调员
        coord = tf.train.Coordinator()
        threads = tf.compat.v1.train.start_queue_runners(sess=sess,coord=coord)
        #会话运行变量
        key_new,value_new,image_new,image_resize_new,image_bach_new = sess.run([key,value,image,image_resize,image_bach])
        #print(key_new)
        #print(value_new)
        #print(image_new)
        #进行线程的回收操作
        coord.request_stop()
        coord.join(threads)
        #最后读入之后转为张量的结果：
        print("image_bach_new = ",image_bach_new)

    return None


if __name__ == '__main__':
    #构造路径+文件名列表
    filename = os.listdir("./dog")
    #拼接路径和文件名
    file_list = [os.path.join("./dog/",file) for file in filename]
    #print(filename)
    #print(file_list)
    picture_read(file_list)

各个变量输出结果如下:(输出位置在代码中已经注释了)

filename

file_list

key

value

key_new

value_new

image

image_new

最后读入图片并转为张量的结果是：

用到的dog文件夹：

用到的dog文件~~~~~（点我）