multipartfile转化为file_MXNet的数据格式转化为tensorflow训练用的数据格式

1 介绍

本文将mxNet的数据格式转化为tensorflow训练用的数据格式。

2 导入包

import mxnet as mx

import argparse

import PIL.Image

import io

import numpy as np

import cv2

import tensorflow as tf

import os

3 主函数

if __name__ == '__main__':

# define parameters

id2range = {}

data_shape = (3, 112, 112)

args = parse_args()

#idx_path放的是索引;args.bin_path放的是值，读取的话imgrec是一个IO的对象，可以理解为C++里面的类对象，类对象里面有很多成员；

# 比如有成员代表索引，成员代表索引对应的值得等。keys的len代表索引的数量

imgrec = mx.recordio.MXIndexedRecordIO(args.idx_path, args.bin_path, 'r')#索引长度5898396，也就是idx的长度

s = imgrec.read_idx(0)#读取最开始那个索引对应的key_value,不过s是二进制形式的

header, _ = mx.recordio.unpack(s)#header这里存储的是分成2断的索引（key），这个时候不关心对应的数据数据，key是(5822653,5898396)的这一对索引

#(0,5822653)(5822653,5898396)这样把数据分成两段

print(header.label)#header.label就是(5822653,5898396)

#下面是分成两段

imgidx = list(range(1, int(header.label[0])))

seq_identity = range(int(header.label[0]), int(header.label[1]))

for identity in seq_identity:#处理后面那段数据

s = imgrec.read_idx(identity)

header, _ = mx.recordio.unpack(s)

a, b = int(header.label[0]), int(header.label[1])

id2range[identity] = (a, b)#代表的是id为identity的起始索引从a到b，[a,b)

print('id2range', len(id2range))

# # generate tfrecords

mx2tfrecords(imgidx, imgrec, args)

4 转化函数

def mx2tfrecords(imgidx, imgrec, args):#从(0,5822653)的图片

output_path = os.path.join(args.tfrecords_file_path, 'tran.tfrecords')

writer = tf.python_io.TFRecordWriter(output_path)

for i in imgidx:

img_info = imgrec.read_idx(i)#取出第i张图片，包括索引和图片数据

header, img = mx.recordio.unpack(img_info)#解封

label = int(header.label)#取出这张图片的标签

example = tf.train.Example(features=tf.train.Features(feature={

'image_raw': tf.train.Feature(bytes_list=tf.train.BytesList(value=[img])),

"label": tf.train.Feature(int64_list=tf.train.Int64List(value=[label]))

}))#把这张图片的标签和图片数据都存下来

writer.write(example.SerializeToString()) # Serialize To String

if i % 10000 == 0:

print('%d num image processed' % i)

writer.close()

5 关于数据

本文例子中用到的数据可以私聊我要，记得关注一下我的公众号哦。