tf.train.slice_input_producer,tf.train.string_input_producer兩種隊列批量讀取方式

一.tf.train.slice_input_producer()

    tf.train.slice_input_producer([image,label],num_epochs=10),隨機產生一個圖片和標籤,num_epochs=10,則表示把所有的數據過10遍，使用完所有的圖片數據爲一個epoch,這是重複使用10次。上面的用法表示你的數據集和標籤已經全部加載到內存中了，如果數據集非常龐大，我們通過這個函數也可以只加載圖片的路徑，放入圖片的path，注意path必須是一個list或者tensorlist.見下面代碼實例

# -*- coding: utf-8 -*-
”“”
Created on Mon Mar 26 22:02:22 2018
@author: Administrator
“”“
import tensorflow as tf
import glob
import matplotlib.pyplot as plt
import time
 
datapath=r’/media/wsw/文檔/pythonfile_withpycharm/SVMLearning/faceLibrary/人臉庫/ORL/’
imgpath = glob.glob(datapath+‘*.bmp’)
# 將路徑轉化成張量形式
imgpath = tf.convert_to_tensor(imgpath)
 
# 產生一個隊列每次隨機產生一張圖片地址
# 注意這裏要放在數組裏面
 
image = tf.train.slice_input_producer([imgpath])
# 得到一個batch的圖片地址
# 由於tf.train.slice_input_producer()函數默認是隨機產生一個實例
# 所以在這裏直接使用tf.train.batch()直接獲得一個batch的數據即可
# 沒有必要再去使用tf.trian.shuffle_batch() 速度會慢
img_batch = tf.train.batch([image],batch_size=20,capacity=100)
 
with tf.Session() as sess:
    coord = tf.train.Coordinator()
    thread = tf.train.start_queue_runners(sess,coord)
    i = 0
    try:
        while not coord.should_stop():
            imgs = sess.run(img_batch)
            print(imgs)
            fig = plt.figure()
            for i,path in enumerate(imgs):
                img = plt.imread(path[0].decode(‘utf-8’))
                axes = fig.add_subplot(5,4,i+1)
                axes.imshow(img)
                axes.axis(‘off’)
            plt.ion()
            plt.show()
            time.sleep(1)
            plt.close()
            i+=1
            if i%10==0:
                break
    except tf.errors.OutOfRangeError:
        pass
    finally:
        coord.request_stop()
    coord.join(thread)
 
 
 

注意路徑此時被加載成二進制編碼格式了。

二.批量讀取圖片數據

    使用tf.train.slice_input_producer([path]),也可以批量讀取圖片，得到每個圖片的路徑後，我們可以加載圖片並解碼成三維數組的形式（圖像的深度必須是3通道或者4通道，筆者實驗灰度圖像，一直不成功）。當使用tf.train.slice_input_producer()時，加載圖片數據的reader使用tf.read_file(filename),直接讀取。注意圖片記得resize().見下面代碼：

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""
Created on Tue Mar 27 14:18:34 2018
@author: wsw
"""
 
# 用於通過讀取圖片的path,然後解碼成圖片數組的形式，最後返回batch個圖片數組
import glob
import tensorflow as tf
import matplotlib.pyplot as plt
 
path_list = r'/media/wsw/文檔/pythonfile_withpycharm/SVMLearning/faceLibrary/人臉庫/Yale2/'
img_path = glob.glob(path_list+'*.bmp')
img_path = tf.convert_to_tensor(img_path,dtype=tf.string)
 
# 這裏img_path,不放在數組裏面
# num_epochs = 1,表示將文件下所有的圖片都使用一次
# num_epochs和tf.train.slice_input_producer()中是一樣的
# 此參數可以用來設置訓練的 epochs
image = tf.train.slice_input_producer([img_path],num_epochs=1)
 
 
# load one image and decode img
def load_img(path_queue):
    # 創建一個隊列讀取器，然後解碼成數組
#    reader = tf.WholeFileReader()
#    key,value = reader.read(path_queue)
    file_contents = tf.read_file(path_queue[0])
    img = tf.image.decode_bmp(file_contents,channels=1)
  # 這裏很有必要，否則會出錯
    # 感覺這個地方貌似只能解碼3通道以上的圖片
    img = tf.image.resize_images(img,size=(100,100))
    # img = tf.reshape(img,shape=(50,50,4))
    return img
   
img = load_img(image)
print(img.shape)
image_batch = tf.train.batch([img],batch_size=20)
 
with tf.Session() as sess:
    
    # initializer for num_epochs
    tf.local_variables_initializer().run()
    coord = tf.train.Coordinator()
    thread = tf.train.start_queue_runners(sess=sess,coord=coord)
    try:
        while not coord.should_stop():
            imgs = sess.run(image_batch)
            print(imgs.shape)
    except tf.errors.OutOfRangeError:
        print('done')
    finally:
        coord.request_stop()
    coord.join(thread)

三.使用tf.train.string_input_producer()

    tf.train.string_input_producer(path),傳入路徑時，不需要放入list中。然後加載圖片的reader是tf.WholeFileReader(),其他地方和tf.train.slice_input_producer()函數用法基本類似。見代碼：

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""
Created on Tue Mar 27 14:18:34 2018
@author: wsw
"""
 
# 用於通過讀取圖片的path,然後解碼成圖片數組的形式，最後返回batch個圖片數組
import glob
import tensorflow as tf
 
path_list = r'/media/wsw/文檔/pythonfile_withpycharm/SVMLearning/faceLibrary/人臉庫/Yale2/'
img_path = glob.glob(path_list+'*.bmp')
img_path = tf.convert_to_tensor(img_path,dtype=tf.string)
 
# 這裏img_path,不放在數組裏面
# num_epochs = 1,表示將文件下所有的圖片都使用一次
# num_epochs和tf.train.slice_input_producer()中是一樣的
# 此參數可以用來設置訓練的 epochs
image = tf.train.string_input_producer(img_path,num_epochs=1)
 
 
# load one image and decode img
def load_img(path_queue):
    # 創建一個隊列讀取器，然後解碼成數組
    reader = tf.WholeFileReader()
    key,value = reader.read(path_queue)
    img = tf.image.decode_bmp(value,channels=3)
  # 這裏很有必要，否則會出錯
    # 感覺這個地方貌似只能解碼3通道以上的圖片
    # img = tf.image.resize_images(img,size=(100,100))
    img = tf.reshape(img,shape=(224,224,3))
    return img
   
img = load_img(image)
print(img.shape)
image_batch = tf.train.batch([img],batch_size=20)
 
with tf.Session() as sess:
    
    # initializer for num_epochs
    tf.local_variables_initializer().run()
    coord = tf.train.Coordinator()
    thread = tf.train.start_queue_runners(sess=sess,coord=coord)
    try:
        while not coord.should_stop():
            imgs = sess.run(image_batch)
            print(imgs.shape)
    except tf.errors.OutOfRangeError:
        print('done')
    finally:
        coord.request_stop()
    coord.join(thread)