在使用TensorFlow訓練神經網絡時，首先面臨的問題是：網絡的輸入

創(chuàng)新互聯(lián)建站是一家專注于網站制作、成都做網站與策劃設計,東坡網站建設哪家好?創(chuàng)新互聯(lián)建站做網站,專注于網站建設10年,網設計領域的專業(yè)建站公司;建站業(yè)務涵蓋:東坡等地區(qū)。東坡做網站價格咨詢:18982081108

此篇文章，教大家將自己的數據集制作成TFRecord格式，feed進網絡，除了TFRecord格式，TensorFlow也支持其他格

式的數據，此處就不再介紹了。建議大家使用TFRecord格式，在后面可以通過api進行多線程的讀取文件隊列。

1. 原本的數據集

此時，我有兩類圖片，分別是xiansu100,xiansu60,每一類中有10張圖片。

2.制作成TFRecord格式

tfrecord會根據你選擇輸入文件的類，自動給每一類打上同樣的標簽。如在本例中，只有0,1 兩類，想知道文件夾名與label關系的，可以自己保存起來。

#生成整數型的屬性
def _int64_feature(value):
 return tf.train.Feature(int64_list = tf.train.Int64List(value = [value]))
 
#生成字符串類型的屬性
def _bytes_feature(value):
 return tf.train.Feature(bytes_list = tf.train.BytesList(value = [value]))
 
#制作TFRecord格式
def createTFRecord(filename,mapfile):
 class_map = {}
 data_dir = '/home/wc/DataSet/traffic/testTFRecord/'
 classes = {'xiansu60','xiansu100'}
 #輸出TFRecord文件的地址
 
 writer = tf.python_io.TFRecordWriter(filename)
 
 for index,name in enumerate(classes):
  class_path=data_dir+name+'/'
  class_map[index] = name
  for img_name in os.listdir(class_path):
   img_path = class_path + img_name #每個圖片的地址
   img = Image.open(img_path)
   img= img.resize((224,224))
   img_raw = img.tobytes()   #將圖片轉化成二進制格式
   example = tf.train.Example(features = tf.train.Features(feature = {
    'label':_int64_feature(index),
    'image_raw': _bytes_feature(img_raw)
   }))
   writer.write(example.SerializeToString())
 writer.close()
 
 txtfile = open(mapfile,'w+')
 for key in class_map.keys():
  txtfile.writelines(str(key)+":"+class_map[key]+"\n")
 txtfile.close()

文章標題：將自己的數據集制作成TFRecord格式教程-創(chuàng)新互聯(lián)
瀏覽路徑：http://weahome.cn/article/jggjd.html