這篇文章主要介紹了如何使用Tensorflow訓練自己的數據集將數據直接導入到內存，具有一定借鑒價值，感興趣的朋友可以參考下，希望大家閱讀完這篇文章之后大有收獲，下面讓小編帶著大家一起了解一下。

創新互聯建站-專業網站定制、快速模板網站建設、高性價比劍河網站開發、企業建站全套包干低至880元,成熟完善的模板庫,直接使用。一站式劍河網站制作公司更省心,省錢,快速模板網站建設找我們，業務覆蓋劍河地區。費用合理售后完善，十載實體公司更值得信賴。

制作自己的訓練集

下圖是我們數據的存放格式，在data目錄下有驗證集與測試集分別對應iris_test， iris_train

為了向偉大的MNIST致敬，我們采用的數據名稱格式和MNIST類似

classification_index.jpg

圖像的index都是5的整數倍是因為我們選擇測試集的原則是每5個樣本，選擇一個樣本作為測試集，其余的作為訓練集和驗證集

生成這樣數據的過程相對簡單，如果有需要python代碼的，可以給我發郵件，或者在我的github下載

至此，我們的訓練集，測試集，驗證集就生成成功了，之所以我們的文件夾只有訓練集和測試集是因為我們在后續的訓練過程中，會在訓練集中分出一部分作為驗證集，所以兩者暫時合稱為訓練集

將數據集寫入到Tensorflow中

1. 直接寫入到隊列中

import tensorflow as tf
import numpy as np
import os

train_dir = '/home/ruyiwei/data/iris_train/'#your data directory
def get_files(file_dir):
  '''
  Args:
    file_dir: file directory
  Returns:
    list of images and labels
  '''
  iris = []
  label_iris = []
  contact = []
  label_contact = []
  for file in os.listdir(file_dir):
    name = file.split('_')
    if name[0]=="iris":
      iris.append(file_dir + file)
      label_iris.append(0)
    else:
      contact.append(file_dir + file)
      label_contact.append(1)
  print('There are %d iris\nThere are %d contact' %(len(iris), len(contact)))

  image_list = np.hstack((iris, contact))
  label_list = np.hstack((label_iris, label_contact))

  temp = np.array([image_list, label_list])
  temp = temp.transpose()
  np.random.shuffle(temp)

  image_list = list(temp[:, 0])
  label_list = list(temp[:, 1])
  label_list = [int(i) for i in label_list]

  return image_list, label_list

為了大家更方便的理解和修改代碼，我們對代碼進行講解如下

1-3行 ： 導入需要的模塊
5行： 定義訓練集合的位置，這個需要根據自己的機器進行修改
7行： 定義函數 get_files
18行： os.listdir(file_dir) 獲取指定目錄file_dir下的所有文件名詞，也就是我們的訓練圖片名稱
18行：for file in os.listdir(file_dir): 遍歷所有的圖片
19行： name為一個數組，由于我們根據MINIST來定制的圖片名詞，所以file.split(‘_')會將圖像名稱分為兩部分，第一部分為classification，通過name[0]來獲得分類信息。
21行、24行：iris.append(file_dir + file)/contact.append(file_dir + file)將圖像的絕對路徑放入到iris/contact中
22行、25行：label_iris.append(0)/label_contact.append(1)給對應的圖片貼標簽
28-29行：將二分類的圖像與標簽壓入到list中
31-33行：合并二分類圖像，然后打亂
38行：返回打亂后對應的圖像與標簽

在spyder下執行如上代碼后會返回如下信息

這樣圖像和標簽信息就被load到了內存中，我們接下來就可以利用現有的模型對圖像進行分類訓練，模型的選擇和訓練的過程，我們會在后面進行講解。

感謝你能夠認真閱讀完這篇文章，希望小編分享的“如何使用Tensorflow訓練自己的數據集將數據直接導入到內存”這篇文章對大家有幫助，同時也希望大家多多支持創新互聯成都網站設計公司，關注創新互聯成都網站設計公司行業資訊頻道，更多相關知識等著你來學習!

另外有需要云服務器可以了解下創新互聯scvps.cn，海內外云服務器15元起步，三天無理由+7*72小時售后在線，公司持有idc許可證，提供“云服務器、裸金屬服務器、網站設計器、香港服務器、美國服務器、虛擬主機、免備案服務器”等云主機租用服務以及企業上云的綜合解決方案，具有“安全穩定、簡單易用、服務可用性高、性價比高”等特點與優勢，專為企業上云打造定制，能夠滿足用戶豐富、多元化的應用場景需求。

分享文章：如何使用Tensorflow訓練自己的數據集將數據直接導入到內存-創新互聯
網站地址：http://www.yijiale78.com/article2/pcjic.html

成都網站建設公司_創新互聯，為您提供動態網站、網站維護、微信公眾號、網站建設、企業建站、品牌網站制作

廣告

聲明：本網站發布的內容（圖片、視頻和文字）以用戶投稿、用戶轉載內容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網站立場，如需處理請聯系客服。電話：028-86922220；郵箱：631063699@qq.com。內容未經允許不得轉載，或轉載時需注明來源： 創新互聯