TensorFlow 读取图片文件

测试文件
链接：https://pan.baidu.com/s/11bfWr8tIk3mDlNkoQvODuQ
提取码：wco7

TensorFlow 读取图片文件 tf 1.0

import matplotlib as mpl
import matplotlib.pyplot as plt
%matplotlib inline
import numpy as np
import sklearn
import pandas as pd
import os
import sys
import time

from tensorflow import keras

import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()

print(tf.__version__)
print(sys.version_info)
for module in mpl, np, pd, sklearn, tf, keras:
    print(module.__name__, module.__version__)

def pic_read(file_list):
    """
    读取狗图片并转换成张量
    :param file_list :文件路径+名字的列表
    """
    # 1.构造文件队列
    file_queue = tf.train.string_input_producer(file_list)
    
    # 2、构造阅读器去读取图片内容（默认读取一张图片）
    reader = tf.WholeFileReader()
    key, value = reader.read(file_queue)
    
    print(value)
    # 3.对读取的数据图片进行解码
    image = tf.image.decode_jpeg(value)
    print(image)
    
    # 5.处理图片的大小(统一大小)
    img_resize = tf.image.resize_images(image, [200, 200])
    
    print(img_resize)
    # 注意：一定要把样本的形状固定[200, 200, 3] 在批处理的时候所有数据形状必须定义
    img_resize.set_shape([200, 200, 3])
    print(img_resize)
    
    # 6.进行批处理
    image_batch = tf.train.batch([img_resize], batch_size=20, num_threads=1, capacity=20)
    
    print(image_batch)
    
    return image_batch

if __name__ == "__main__":
    # 找到文件，放入列表  路径+名字 ->列表当中
    file_names = os.listdir("./dog/")
    file_list = [os.path.join("./dog/", file) for file in file_names]
    print(file_list)
    image_batch = pic_read(file_list)
    
    # 开启会话运行结果
    with tf.Session() as sess:
        # 定义一个线程协调
        coord = tf.train.Coordinator()
        # 开启读文件的线程
        threads = tf.train.start_queue_runners(sess, coord)
        
        print(sess.run([image_batch]))
        # 回收子线程
        coord.request_stop()
        coord.join(threads)

TensorFlow 读取图片文件 tf 2.0

import matplotlib as mpl
import matplotlib.pyplot as plt
%matplotlib inline
import numpy as np
import sklearn
import pandas as pd
import os
import sys
import time
import tensorflow as tf

from tensorflow import keras

print(tf.__version__)
print(sys.version_info)
for module in mpl, np, pd, sklearn, tf, keras:
    print(module.__name__, module.__version__)

# 设置文件列表
train_dir  = "./image/"               
print(os.path.exists(train_dir))
# 图片大小 高*宽*深度
height = 200    
width = 200
channels = 3
batch_size = 20

# 类型个数
num_classes = 2

# 图片读取方式
train_datagen = keras.preprocessing.image.ImageDataGenerator(
    rescale = 1./ 255,           # 数据归一化 
    rotation_range = 40,         # 随机旋转 0-40度
    width_shift_range = 0.2,     # 水平移动百分百  0-20%
    height_shift_range = 0.2,    # 垂直移动百分百  0-20%
    shear_range = 0.2,           # 剪切百分百
    zoom_range = 0.2,            # 缩放百分百
    horizontal_flip = True,      # 水平翻转
    fill_mode = "nearest",       # 空数据填坑方式:最近数据
)

# 读取图片文件夹
train_generator = train_datagen.flow_from_directory(
    train_dir,                     # 训练文件夹
    target_size = (height, width), # 图片目标尺寸
    batch_size = batch_size,       # batch 尺寸
    seed = 7,                      # 随机方式
    shuffle = True,                # 是否缓存数据
    class_mode = "categorical"     
)

# 显示读取数据情况
train_num = train_generator.samples
print(train_num)

for i in range(2):
    x, y = train_generator.next()
    print(x.shape, y.shape)
    print(y)