使用Tensorflow從csv文件加載圖像和標籤

Question

我一直在試着讓TensorFlow io api今天早上工作。

經過一番研究，我設法讀取數據，但當出列時我無法正確地綁定圖像和標籤。

這裏是我寫的代碼：

# load csv content 
csv_path = tf.train.string_input_producer(['list1.csv', 'list2.csv']) 
textReader = tf.TextLineReader() 
_, csv_content = textReader.read(csv_path) 
im_name, label = tf.decode_csv(csv_content, record_defaults=[[""], [1]]) 

# load images 
im_content = tf.read_file(im_dir+im_name) 
image = tf.image.decode_png(im_content, channels=3) 
image = tf.cast(image, tf.float32)/255. 
image = tf.image.resize_images(image, 640, 640) 

# make batches 
im_batch, lb_batch = tf.train.batch([image, label], batch_size=batch) 

的im_batch和lb_batch的順序亂了（圖像必將隨機標籤）。

任何想法發生了什麼？謝謝。

Answer 1

您列出的代碼沒有問題。

im_batch, lb_batch = tf.train.batch([image, label], batch_size=batch) 

線以上結合圖像和標籤到相同的隊列，所以每當你在任im_batch或lb_batch進行的操作時，隊列將彈出的來自其它數據單元的批號。 因此，一個常見的錯誤可能是在提醒im_batch.eval（）和lb_batch.eval（）分別：後im_batch.eval

# this is wrong 
images = im_batch.eval() 
labels = lb_batch.eval() 

（）被調用，lb_batch蹦出來的數據單元相同的量，以及因爲他們被綁定在一個隊列中。所以在下一次調用lb_batch.eval（）時，它實際上會給出下一批的標籤。

做正確的方法是把im_batch和lb_batch成一個單元操作中，任一圖形或sess.run（）運算列表：

1. 這是正確的

   損耗= your_network_model（ im_batch，lb_batch） loss.eval（）

2.

# this is correct 
images, labels = sess.run([im_batch, lb_batch])