使用張量流添加標籤要素slim

我正在使用slim將數據轉換爲TF記錄格式並查看this example，其中正在轉換MNIST數據集。使用張量流添加標籤要素slim

在行127至128上，圖像png_string被分配標籤labels[j]。

example = dataset_utils.image_to_tfexample(png_string, 'png'.encode(), _IMAGE_SIZE, _IMAGE_SIZE, labels[j])

我想補充的另一個標籤，但我看向dataset_utils文件和image_to_tfexample功能，我看到：

def image_to_tfexample(image_data, image_format, height, width, class_id): 
    return tf.train.Example(features=tf.train.Features(feature={ 
     'image/encoded': bytes_feature(image_data), 
     'image/format': bytes_feature(image_format), 
     'image/class/label': int64_feature(class_id), 
     'image/height': int64_feature(height), 
     'image/width': int64_feature(width), 
    }))

而且好像我必須編輯這個功能添加另一個標籤（添加另一行image/class/label': int64_feature(class_id)？）

我不完全確定如何添加另一個標籤，我想訓練我的神經網絡（也許我只需要創建另一個image_to_tfexample()同樣的即時通訊？年齡，但不同的標籤）

來源

2017-07-10 haxtar

添加它類似於你已經宣佈了一個：

def image_to_tfexample(image_data, image_format, height, width, class_id, label): 
     return tf.train.Example(features=tf.train.Features(feature={ 
      'image/encoded': bytes_feature(image_data), 
      'image/format': bytes_feature(image_format), 
      'image/class/label': int64_feature(class_id), 
      'image/label':int64_feature(label) 
      'image/height': int64_feature(height), 
      'image/width': int64_feature(width), 
    }))

刪除你不使用，它會不必要地增加你的tfrecords大小的功能。

來源

2017-07-10 04:56:21

所以，class_id是原始標籤變量（這是標籤[j]在示例中代表的內容）。當你將標籤添加爲另一個變量時，爲什麼從「image/class/label」中刪除「class」部分？你知道這些「圖像/類/標籤」或「圖像/高度」是什麼意思作爲一個功能對象？ – haxtar

你的問題是如何添加一個'新標籤'到上面的'proto'。我沒有刪除任何東西，用一個新的密鑰添加了一個新功能。你可以添加你喜歡的任何東西：''Key'：int64_feature（value）。在閱讀記錄時，您將使用'key'檢索值。所以鑰匙需要不同。 –

使用張量流添加標籤要素slim

回答

相關問題