分類用の画像とマルチラベル付きのtfrecordsの作成

Question

TensorFlowで複数ラベルの分類を行いたいと思います。 私は約95000の画像を持っており、それぞれの画像に対応するラベルベクトルがあります。すべての画像に7つのラベルがあります。これらの7つのラベルは、サイズ7のテンソルとして表されます。各画像の形状は（299,299,3）です。私は今、ファイル.tfrecordsに対応するラベルベクトル/テンソルで画像を書き込むことができますどのように

私の現在のコード/アプローチ：

def get_decode_and_resize_image(image_id): 
    image_queue = tf.train.string_input_producer(['../../original-data/'+image_id+".jpg"]) 
    image_reader = tf.WholeFileReader() 
    image_key, image_value = image_reader.read(image_queue) 
    image = tf.image.decode_jpeg(image_value,channels=3) 
    resized_image= tf.image.resize_images(image, 299, 299, align_corners=False) 
    return resized_image 



init_op = tf.initialize_all_variables() 
with tf.Session() as sess: 
# Start populating the filename queue. 

sess.run(init_op) 
coord = tf.train.Coordinator() 
threads = tf.train.start_queue_runners(coord=coord) 

# get all labels and image ids 
csv= pd.read_csv('../../filteredLabelsToPhotos.csv') 

#create a writer for writing to the .tfrecords file 
writer = tf.python_io.TFRecordWriter("tfrecords/data.tfrecords") 

for index,row in csv.iterrows(): 

    # the labels 
    image_id = row['photo_id'] 
    lunch = tf.to_float(row["lunch"]) 
    dinner= tf.to_float(row["dinner"]) 
    reservations= tf.to_float(row["TK"]) 
    outdoor = tf.to_float(row["OS"]) 
    waiter = tf.to_float(row["WS"]) 
    classy = tf.to_float(row["c"]) 
    gfk = tf.to_float(row["GFK"]) 

    labels_list = [lunch,dinner,reservations,outdoor,waiter,classy,gfk] 
    labels_tensor = tf.convert_to_tensor(labels_list) 

    #get the corresponding image 
    image_file= get_decode_and_resize_image(image_id=image_id) 

    #here : how do I now create a TFExample and write it to the .tfrecords file 






coord.request_stop() 
coord.join(threads) 

そしてI've後

は.tfrecordsファイルを作成TensorFlowトレーニングコードから読み込んでデータを自動的にバッチすることはできますか？

Answer 1

tf.train.Exampleを作成するには、単にexample = tf.train.Example()を実行します。その後、通常のprotocol buffers python APIを使用して操作できます。

Answer 2

アレクサンドルの答えに展開するには、あなたがこのような何か行うことができます。

# Set this up before your for-loop, you'll use this repeatedly 
tfrecords_filename = 'myfile.tfrecords' 
writer = tf.python_io.TFRecordWriter(tfrecords_filename) 

# Then within your for-loop, you can write like so: 
for ...: 

    #here : how do I now create a TFExample and write it to the .tfrecords file 

    example = tf.train.Example(features=tf.train.Features(feature={ 
    'image_raw': tf.train.Feature(bytes_list=tf.train.BytesList(value=[image_file])), 
    # the other features, labels you wish to include go here too 
    })) 
    writer.write(example.SerializeToString()) 

# then finally, don't forget to close the writer. 
writer.close() 

をこれは、あなたがすでにimage_file変数にバイト配列に画像を変換している前提としています。

this very helpful postからこれを適用しました。シリアル化イメージ&の詳細については、私の前提がfalseの場合に役立ちます。