tensorflow 图像分析

网上很多类似利用tensorflow的文章。

再次进行梳理一下cnn进行图像识别的步骤。

1

最重要的就是数据预处理

相信大家都做过minist手写数字的预测吧，原理一样。

首先将图片数字化，一般转换为一个4维的矩阵，如shape=(1000,128,128,3)，第一个是样本数，最后一个是根据图片颜色，取值1或者3.

def read_data():
    img_list=[]
    for root,dir,files in os.walk('my_images'):
        for file in files:
            my_path=os.path.join(root,file)
            img=cv2.imread(my_path)
            newe_img=np.resize(img,[64,64,3])
            img_list.append(newe_img)
    data=np.asanyarray(img_list,dtype='f4')
    return data

首先你要想好分几个类别，如果想要分2个类别，那么必须给因变量值，而且一个样本图片对应的y值维度就应该为(0,1)或者（1，0）这样的.

def get_ydata():
    y_label=np.zeros((30,2))
    for i in range(21):
        y_label[i,0]=1
        y_label[i,1]=0
    for ii in range(21,30):