如何解决tf.train.batch只生成一个batch的数据的问题-CSDN论坛

⋅如何解决tf.train.batch只生成一个batch的数据的问题 更多帖子 关注私信空间博客 CZlin. 等级 本版专家分：0 结帖率 0%

使用tensorflow训练网上下载好的flowers数据集的时候出现了问题，按照下面代码操作后用sess.run()获取batch数据并打印，只显示一个batch（10个）的数据，求问大神们如何解决

keys_to_features = {

    'image/encoded': tf.FixedLenFeature([], default_value='', dtype=tf.string, ),

    'image/format': tf.FixedLenFeature([], default_value='jpeg', dtype=tf.string),

    'image/class/label': tf.FixedLenFeature([], tf.int64, default_value=0),

    'image/height': tf.FixedLenFeature([], tf.int64, default_value=0),

    'image/width': tf.FixedLenFeature([], tf.int64, default_value=0)

}



items_to_handlers = {

    'image': slim.tfexample_decoder.Image(image_key='image/encoded', format_key='image/format', channels=3),

    'label': slim.tfexample_decoder.Tensor('image/class/label', shape=[]),

    'height': slim.tfexample_decoder.Tensor('image/height', shape=[]),

    'width': slim.tfexample_decoder.Tensor('image/width', shape=[])

}

decoder = slim.tfexample_decoder.TFExampleDecoder(keys_to_features, items_to_handlers)



labels_to_names = None

items_to_descriptions = {

    'image': 'An image with shape image_shape.',

    'label': 'A single integer between 0 and 9.',

    'height': 'float number',

    'width': 'float number'}



dataset = slim.dataset.Dataset(

    data_sources=tfrecord_path,

    reader=tf.TFRecordReader,

    decoder=decoder,

    num_samples=1000,

    items_to_descriptions=None,

    num_classes=num_classes,

)



provider = slim.dataset_data_provider.DatasetDataProvider(dataset=dataset,

                                                          num_readers=4,

                                                          shuffle=False, # 这个改成False以后每次生成的batch都一样了

                                                          common_queue_capacity=256,

                                                          common_queue_min=128,

                                                          seed=None)



[image, label, height, width] = provider.get(['image', 'label', 'height', 'width'])



resized_image = tf.squeeze(tf.image.resize_bilinear([image], size=[resize_height, resize_width]))



images, labels = tf.train.batch([resized_image, label], batch_size=bsize, allow_smaller_final_batch=True, num_threads=1, capacity=5*bsize)

2019-12-08 20:16:14

点赞只看楼主引用举报楼主收起

展开阅读全文