實作人臉識别性别之路---制作自己的訓練集并讀取

import tensorflow as tf
import os
import cv2

def handle_data(photo_path):
    #制作資料集
    writer = tf.python_io.TFRecordWriter("data_photo.tfrecords")
    cast = {"boy"}
    for index,name in enumerate(cast):
        # print(index,name)
        for i in os.listdir(photo_path):
            image_path = os.path.join(photo_path,i)
            # print(image_path)
            imag = cv2.imread(image_path)
            # print(imag)
            image = cv2.resize(imag, (128,128), interpolation=cv2.INTER_CUBIC)
            # print(image)
            dr_image = image.tobytes()
            # print(dr_image)
            exmple = tf.train.Example(features = tf.train.Features(feature = {
                                                                           "label":tf.train.Feature(int64_list = tf.train.Int64List(value = [index])),
                                                                           "img_raw": tf.train.Feature(bytes_list = tf.train.BytesList(value = [dr_image])),                                                               }))
            writer.write(exmple.SerializeToString())

        writer.close()

def put_fileinfo_queue(data_path):
　　#将檔案放進隊列中
    file_queue = tf.train.string_input_producer([data_path])

    reader = tf.TFRecordReader()
    key,value = reader.read(file_queue)
    features = tf.parse_single_example(value,features={"label":tf.FixedLenFeature([],tf.int64),
                                                       "img_raw":tf.FixedLenFeature([],tf.string)})#這個要和之前的一樣才能更好的讀取資料
    img = tf.decode_raw([features["img_raw"]],tf.uint8)#要與存入資料的時候，一緻
    img = tf.cast(img,tf.float32)#然後我們可以轉化為tf.float32
    img = tf.reshape(img,[128,128,3])#圖檔是三通道的
    lebal = tf.cast(features["label"],tf.int32)

    return img,lebal

def batch_size(img,label):
    #将圖檔的資訊分批化
    image,label=tf.train.shuffle_batch([img,label],batch_size=2,capacity=3,min_after_dequeue=2)
    return image,label

init = tf.global_variables_initializer()
if __name__=="__main__":
    photo_path="E:\\temporary"
    handle_data(photo_path)
    file = os.listdir("E:\\da")
    for i in file:
        filepath = os.path.join("E:\\da",i)
    img,label   = put_fileinfo_queue(filepath)
    image,label = batch_size(img,label)
    with tf.Session()as sess:
        sess.run(init)
        coord = tf.train.Coordinator()
        threads = tf.train.start_queue_runners(coord=coord)
        for i in range(3):
            print(sess.run([image,label]))
        coord.request_stop()
        coord.join()
代碼的思路：      

圖檔分批處理的方式：
(1)、制作資料集（檔案擴充名為：tfrecord)
1、通過tf.python_io.TFRecordWriter(位址)傳回一個作者對象
2、讀取圖檔位址
3、通過位址将檔案資訊讀取出來
4、重新設定一下圖檔的大小
5、将檔案資訊轉化為二進制
6、将所有關于圖檔的東西轉化為一個例子
7、将例子序列化
8、将例子寫入檔案
9、讓作者休息
(2)、将資料集放入隊列中
1、建立能讀取檔案内容的對象
2、調用對象中的閱讀函數
3、使用閱讀函數傳回的value值
4、調用能傳回字典（包含檔案資訊，名字）對象
5、将read讀取的二進制轉化了
6、這裡注意再轉碼時候，要與之前的類型要一樣，是以decode_raw函   數的第二參數是：tf.uint8.
7、記住轉化為我們之前的圖檔的形式，即為三通道的圖檔
8、轉化圖檔資訊的張量
9、轉化标簽類型
10、調用将檔案并且與檔案相對應的标簽分批處理
11、由于他們是使用線程的方式調用，是以我們需要用到線程


      

轉載于:https://www.cnblogs.com/MyUniverse/p/9505255.html