快捷導(dǎo)航

TensorFlow2.X使用圖片制作簡單的數(shù)據(jù)集訓(xùn)練模型

更新時間：2020年04月08日 14:18:59 作者：FlyDremever

這篇文章主要介紹了TensorFlow2.X使用圖片制作簡單的數(shù)據(jù)集訓(xùn)練模型,本文通過截圖實例代碼相結(jié)合給大家介紹的非常詳細，對大家的學(xué)習(xí)或工作具有一定的參考借鑒價值，需要的朋友可以參考下

Tensorflow內(nèi)置了許多數(shù)據(jù)集，但是實際自己應(yīng)用的時候還是需要使用自己的數(shù)據(jù)集，這里TensorFlow 官網(wǎng)也給介紹文檔，官方文檔。這里對整個流程做一個總結(jié)（以手勢識別的數(shù)據(jù)集為例）。

1、收集手勢圖片

數(shù)據(jù)集下載

方法多種多樣了。我通過攝像頭自己采集了一些手勢圖片。保存成如下形式，

在這里插入圖片描述

以同樣的形式在建立一個測試集，當(dāng)然也可以不弄，在程序里處理。

2、構(gòu)建數(shù)據(jù)集

導(dǎo)入相關(guān)的包

import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import datasets, layers, optimizers, Sequential, metrics
from tensorflow.python.framework.convert_to_constants import convert_variables_to_constants_v2
import os
import pathlib
import random
import matplotlib.pyplot as plt

讀取文件

data_root = pathlib.Path('D:\code\PYTHON\gesture_recognition\Dataset')
print(data_root)
for item in data_root.iterdir():
 print(item)

運行結(jié)果

讀取圖片路徑到list中

all_image_paths = list(data_root.glob('*/*'))
all_image_paths = [str(path) for path in all_image_paths]
random.shuffle(all_image_paths)
image_count = len(all_image_paths)
print(image_count) ##統(tǒng)計共有多少圖片
for i in range(10):
 print(all_image_paths[i])

在這里插入圖片描述

label_names = sorted(item.name for item in data_root.glob('*/') if item.is_dir())
print(label_names) #其實就是文件夾的名字
label_to_index = dict((name, index) for index, name in enumerate(label_names))
print(label_to_index)
all_image_labels = [label_to_index[pathlib.Path(path).parent.name]
     for path in all_image_paths]

print("First 10 labels indices: ", all_image_labels[:10])

在這里插入圖片描述

預(yù)處理

def preprocess_image(image):
 image = tf.image.decode_jpeg(image, channels=3)
 image = tf.image.resize(image, [100, 100])
 image /= 255.0 # normalize to [0,1] range
 # image = tf.reshape(image,[100*100*3])
 return image

def load_and_preprocess_image(path,label):
 image = tf.io.read_file(path)
 return preprocess_image(image),label

構(gòu)建一個 tf.data.Dataset

ds = tf.data.Dataset.from_tensor_slices((all_image_paths, all_image_labels))
train_data = ds.map(load_and_preprocess_image).batch(16)

同樣的方式在制作一個測試集，就可以用于模型訓(xùn)練和測試了。

總結(jié)

到此這篇關(guān)于TensorFlow2.X使用圖片制作簡單的數(shù)據(jù)集訓(xùn)練模型的文章就介紹到這了,更多相關(guān)TensorFlow數(shù)據(jù)集訓(xùn)練模型內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: