我最近开始整理,准备了一个实用系列供读者参考。
学习一个深度学习框架一般遵循这样的思路:如何读取数据,比如如何从图片中读取数据并将数据标注成可用数据,其次如何搭建网络,然后如何训练模型并保存模型,使用模型。最后是可视化。
开发了很多有用的包
:如,、slim等。这些包可以让你轻松构建网络模型。
入门系列,可以直接按照官方文档运行。我们不会详细介绍。
实战第一步,我们开始搭建数据集。
可以读取多种数据,1直接从磁盘读取jpg文件,比较耗时。 2 以 csv 格式读取数据。我没有深入研究这个。 3. 读取bin格式的数据。它的一个例子是读取保存的 bin 文件,在 /image 文件夹下的一个例子。方法。这种方式比较方便,是默认的文件格式。
这是第四种方法。
代码直接保存:
def():
cwd=’/home/xxx/data//’
={‘鸟’,’狗’,”}
= tf..(“train.”)//保存的文件名为train.
对于索引,() 中的名称:
= cwd + 名称 + “/”
for in os.():
= +
img = Image.open()
img = img.((224, 224))
= img.() #将图片转换为原生字节
= tf.train.(=tf.train.(={
“标签”:tf.train.(=tf.train.(value=[index])),
”: tf.train.(=tf.train.(value=[]))
}))
.write(.()) #序列化为字符串
.close()
代码不难,就是一些常用的操作。这就是我所经历的。如有任何问题,请留言
暂无评论内容