這篇文章主要介紹了如何使用Tensorflow訓(xùn)練自己的數(shù)據(jù)集將數(shù)據(jù)直接導(dǎo)入到內(nèi)存，具有一定借鑒價值，感興趣的朋友可以參考下，希望大家閱讀完這篇文章之后大有收獲，下面讓小編帶著大家一起了解一下。

創(chuàng)新互聯(lián)建站-專業(yè)網(wǎng)站定制、快速模板網(wǎng)站建設(shè)、高性價比劍河網(wǎng)站開發(fā)、企業(yè)建站全套包干低至880元,成熟完善的模板庫,直接使用。一站式劍河網(wǎng)站制作公司更省心,省錢,快速模板網(wǎng)站建設(shè)找我們，業(yè)務(wù)覆蓋劍河地區(qū)。費用合理售后完善，十載實體公司更值得信賴。

制作自己的訓(xùn)練集

下圖是我們數(shù)據(jù)的存放格式，在data目錄下有驗證集與測試集分別對應(yīng)iris_test， iris_train

為了向偉大的MNIST致敬，我們采用的數(shù)據(jù)名稱格式和MNIST類似

classification_index.jpg

圖像的index都是5的整數(shù)倍是因為我們選擇測試集的原則是每5個樣本，選擇一個樣本作為測試集，其余的作為訓(xùn)練集和驗證集

生成這樣數(shù)據(jù)的過程相對簡單，如果有需要python代碼的，可以給我發(fā)郵件，或者在我的github下載

至此，我們的訓(xùn)練集，測試集，驗證集就生成成功了，之所以我們的文件夾只有訓(xùn)練集和測試集是因為我們在后續(xù)的訓(xùn)練過程中，會在訓(xùn)練集中分出一部分作為驗證集，所以兩者暫時合稱為訓(xùn)練集

將數(shù)據(jù)集寫入到Tensorflow中

1. 直接寫入到隊列中

import tensorflow as tf
import numpy as np
import os

train_dir = '/home/ruyiwei/data/iris_train/'#your data directory
def get_files(file_dir):
  '''
  Args:
    file_dir: file directory
  Returns:
    list of images and labels
  '''
  iris = []
  label_iris = []
  contact = []
  label_contact = []
  for file in os.listdir(file_dir):
    name = file.split('_')
    if name[0]=="iris":
      iris.append(file_dir + file)
      label_iris.append(0)
    else:
      contact.append(file_dir + file)
      label_contact.append(1)
  print('There are %d iris\nThere are %d contact' %(len(iris), len(contact)))

  image_list = np.hstack((iris, contact))
  label_list = np.hstack((label_iris, label_contact))

  temp = np.array([image_list, label_list])
  temp = temp.transpose()
  np.random.shuffle(temp)

  image_list = list(temp[:, 0])
  label_list = list(temp[:, 1])
  label_list = [int(i) for i in label_list]

  return image_list, label_list

為了大家更方便的理解和修改代碼，我們對代碼進(jìn)行講解如下

1-3行 ： 導(dǎo)入需要的模塊
5行： 定義訓(xùn)練集合的位置，這個需要根據(jù)自己的機器進(jìn)行修改
7行： 定義函數(shù) get_files
18行： os.listdir(file_dir) 獲取指定目錄file_dir下的所有文件名詞，也就是我們的訓(xùn)練圖片名稱
18行：for file in os.listdir(file_dir): 遍歷所有的圖片
19行： name為一個數(shù)組，由于我們根據(jù)MINIST來定制的圖片名詞，所以file.split(‘_')會將圖像名稱分為兩部分，第一部分為classification，通過name[0]來獲得分類信息。
21行、24行：iris.append(file_dir + file)/contact.append(file_dir + file)將圖像的絕對路徑放入到iris/contact中
22行、25行：label_iris.append(0)/label_contact.append(1)給對應(yīng)的圖片貼標(biāo)簽
28-29行：將二分類的圖像與標(biāo)簽壓入到list中
31-33行：合并二分類圖像，然后打亂
38行：返回打亂后對應(yīng)的圖像與標(biāo)簽

在spyder下執(zhí)行如上代碼后會返回如下信息

這樣圖像和標(biāo)簽信息就被load到了內(nèi)存中，我們接下來就可以利用現(xiàn)有的模型對圖像進(jìn)行分類訓(xùn)練，模型的選擇和訓(xùn)練的過程，我們會在后面進(jìn)行講解。

感謝你能夠認(rèn)真閱讀完這篇文章，希望小編分享的“如何使用Tensorflow訓(xùn)練自己的數(shù)據(jù)集將數(shù)據(jù)直接導(dǎo)入到內(nèi)存”這篇文章對大家有幫助，同時也希望大家多多支持創(chuàng)新互聯(lián)成都網(wǎng)站設(shè)計公司，關(guān)注創(chuàng)新互聯(lián)成都網(wǎng)站設(shè)計公司行業(yè)資訊頻道，更多相關(guān)知識等著你來學(xué)習(xí)!

另外有需要云服務(wù)器可以了解下創(chuàng)新互聯(lián)scvps.cn，海內(nèi)外云服務(wù)器15元起步，三天無理由+7*72小時售后在線，公司持有idc許可證，提供“云服務(wù)器、裸金屬服務(wù)器、網(wǎng)站設(shè)計器、香港服務(wù)器、美國服務(wù)器、虛擬主機、免備案服務(wù)器”等云主機租用服務(wù)以及企業(yè)上云的綜合解決方案，具有“安全穩(wěn)定、簡單易用、服務(wù)可用性高、性價比高”等特點與優(yōu)勢，專為企業(yè)上云打造定制，能夠滿足用戶豐富、多元化的應(yīng)用場景需求。

分享文章：如何使用Tensorflow訓(xùn)練自己的數(shù)據(jù)集將數(shù)據(jù)直接導(dǎo)入到內(nèi)存-創(chuàng)新互聯(lián)
網(wǎng)站地址：http://www.chinadenli.net/article2/pcjic.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供動態(tài)網(wǎng)站、網(wǎng)站維護(hù)、微信公眾號、網(wǎng)站建設(shè)、企業(yè)建站、品牌網(wǎng)站制作

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時需注明來源： 創(chuàng)新互聯(lián)