TensorFLow 读取图片1：初探四种从文件读取的方式

本文记录一下TensorFLow的几种图片读取方法，官方文档有较为全面的介绍。

1.使用gfile读图片，decode输出是Tensor，eval后是ndarray

import matplotlib.pyplot as plt
import tensorflow as tf
import numpy as np

print(tf.__version__)

image_raw = tf.gfile.FastGFile('test/a.jpg','rb').read()   #bytes
img = tf.image.decode_jpeg(image_raw)  #Tensor
#img2 = tf.image.convert_image_dtype(img, dtype = tf.uint8)

with tf.Session() as sess:
print(type(image_raw)) # bytes
print(type(img)) # Tensor
#print(type(img2))

print(type(img.eval())) # ndarray !!!
print(img.eval().shape)
print(img.eval().dtype)

#    print(type(img2.eval()))
#    print(img2.eval().shape)
#    print(img2.eval().dtype)
plt.figure(1)
plt.imshow(img.eval())
plt.show()

输出为：

1.3.0
<class 'bytes'>
<class 'tensorflow.python.framework.ops.Tensor'>
<class 'numpy.ndarray'>
(666, 1000, 3)
uint8
图片显示（略）

2.使用WholeFileReader输入queue，decode输出是Tensor，eval后是ndarray

import tensorflow as tf
import os
import matplotlib.pyplot as plt

def file_name(file_dir):   #来自http://blog.csdn.net/lsq2902101015/article/details/51305825
for root, dirs, files in os.walk(file_dir):  #模块os中的walk()函数遍历文件夹下所有的文件
print(root) #当前目录路径
print(dirs) #当前路径下所有子目录
print(files) #当前路径下所有非目录子文件

def file_name2(file_dir):   #特定类型的文件
L=[]
for root, dirs, files in os.walk(file_dir):
for file in files:
if os.path.splitext(file)[1] == '.jpg':
L.append(os.path.join(root, file))
return L

path = file_name2('test')

#以下参考http://blog.csdn.net/buptgshengod/article/details/72956846 (十图详解TensorFl
b602
ow数据读取机制)
#以及http://blog.csdn.net/uestc_c2_403/article/details/74435286

#path2 = tf.train.match_filenames_once(path)
file_queue = tf.train.string_input_producer(path, shuffle=True, num_epochs=2) #创建输入队列
image_reader = tf.WholeFileReader()
key, image = image_reader.read(file_queue)
image = tf.image.decode_jpeg(image)

with tf.Session() as sess:
#    coord = tf.train.Coordinator() #协同启动的线程
#    threads = tf.train.start_queue_runners(sess=sess, coord=coord) #启动线程运行队列
#    coord.request_stop() #停止所有的线程
#    coord.join(threads)

tf.local_variables_initializer().run()
threads = tf.train.start_queue_runners(sess=sess)

#print (type(image))
#print (type(image.eval()))
#print(image.eval().shape)
for _ in path+path:
plt.figure
plt.imshow(image.eval())
plt.show()

3.使用read_file，decode输出是Tensor，eval后是ndarray

import matplotlib.pyplot as plt
import tensorflow as tf
import numpy as np

print(tf.__version__)

image_value = tf.read_file('test/a.jpg')
img = tf.image.decode_jpeg(image_value, channels=3)

with tf.Session() as sess:
print(type(image_value)) # bytes
print(type(img)) # Tensor
#print(type(img2))

print(type(img.eval())) # ndarray !!!
print(img.eval().shape)
print(img.eval().dtype)

#    print(type(img2.eval()))
#    print(img2.eval().shape)
#    print(img2.eval().dtype)
plt.figure(1)
plt.imshow(img.eval())
plt.show()

输出是：

1.3.0
<class 'tensorflow.python.framework.ops.Tensor'>
<class 'tensorflow.python.framework.ops.Tensor'>
<class 'numpy.ndarray'>
(666, 1000, 3)
uint8
显示图片（略）

4.TFRecords：

有空再看。

如果图片是根据分类放在不同的文件夹下，那么可以直接使用如下代码：

http://blog.csdn.net/u012759136/article/details/52232266

https://www.2cto.com/kf/201702/604326.html

需要稍微整理的话可以参考：

http://blog.csdn.net/hjxu2016/article/details/76165559