python – 如何将numpy数组转换为tensorflow可以分类的数据类型？

2019年7月28日 243次阅读

我正在编写一个
Python程序来检测国际象棋棋盘的状态,我正在使用一个滑动窗口来检测每个棋子的位置.我的主程序检测到图像中的棋盘,并将其裁剪的图片传递给my_sliding_window方法.这应该使用Tensorflow来检测滑动窗口中的一块.从
this教程我看到图片的内容如下：

image_data = tf.gfile.FastGFile('picture.jpg', 'rb').read()

但我不想从文件中读取它,因为我已经将图片放在一个numpy数组中.如何通过Tensorflow对我的numpy数组进行分类？

谢谢.

码：

import tensorflow as tf, sys
import cv2

image_path = sys.argv[1]


img = cv2.imread('picture.jpg')
image_data = tf.convert_to_tensor(img)
print type(image_data)    # this returns <class 'tensorflow.python.framework.ops.Tensor'>

# This is what is used in the tutorial I mentioned above
image_data2 = tf.gfile.FastGFile(image_path, 'rb').read()
print type(image_data2)    # this returns <type 'str'>


# Loads label file, strips off carriage return
label_lines = [line.rstrip() for line
               in tf.gfile.GFile("retrained_labels.txt")]

# Unpersists graph from file
with tf.gfile.FastGFile("retrained_graph.pb", 'rb') as f:
    graph_def = tf.GraphDef()
    graph_def.ParseFromString(f.read())
    _ = tf.import_graph_def(graph_def, name='')

with tf.Session() as sess:
    # Feed the image_data as input to the graph and get first prediction
    softmax_tensor = sess.graph.get_tensor_by_name('final_result:0')

    predictions = sess.run(softmax_tensor, \
         {'DecodeJpeg/contents:0': image_data})

    # Sort to show labels of first prediction in order of confidence
    top_k = predictions[0].argsort()[-len(predictions[0]):][::-1]

    for node_id in top_k:
        human_string = label_lines[node_id]
        score = predictions[0][node_id]
        print('%s (score = %.5f)' % (human_string, score))

最佳答案 您可以使用
tf.convert_to_tensor()将numpy数组转换为TensorFlow张量：

This function converts Python objects of various types to Tensor objects. It accepts Tensor objects, numpy arrays, Python lists, and Python scalars.

更新

好的,所以你要做的就是将numpy数组image_data和维度[123,82]提供给占位符DecodeJpeg / contents：0.但是,该占位符定义为shape =(),这意味着它只接受0D张量作为输入(见tensor shapes),因此会引发错误.

original code的作用是将图像作为无量纲字符串读取：

image_data = tf.gfile.FastGFile(image_path, 'rb').read()

然后将其提供给DecodeJpeg / contents：0占位符：

predictions = sess.run(softmax_tensor, {'DecodeJpeg/contents:0': image_data})

继续尝试通过预训练图运行图像的最简单方法是使用相同的tf.gfile.FastGFile()调用来加载图像.

点赞