使用LensMs的Tensorflow估计器接受图像

我想使用Tensorflow的估计器来简化使用LSTM Networks的培训。显然，使用tensorflow的估算，必须定义模型功能，像这样：使用LensMs的Tensorflow估计器接受图像

def some_model_fn(features, labels, mode): 
    ...

我使用占位符来获得的输入和标签都没有问题。如何将图像转换为tensorflow lstms接受的形状，即[batch_size，num_time_steps，num_features]？

来源

2017-12-18 Rocket Pingu

除非您正在实现自己的图层（如卷积/ lstm），否则在将图像送入LSTM之前，您需要将图像变平。你可以用'np.flatten（）'来做到这一点。对于'num_time_steps'，你需要给LSTM提供后续的图像（如滚动窗口）。如果你没有处理有助于预测下一个图像的连续图像，那么你可能会更好地使用卷积网络或者调整图像平坦化策略（比如将像素的行或列送入LSTM中，等等）。 – umutto

任务是手写识别，我用垂直条形图像进行输入。我先阅读图像，然后转置它来做到这一点。 –

我建议使用numpy将图像加载到多维数组。这确实需要相当多的内存，这取决于图像大小和时间步数。

来源

2017-12-18 03:57:14 Totoro

我要问的是，我必须将图像尺寸折叠为变暗，还是在读取图像时喂食图像？ –

是的，你必须调整它们。您可以使用cv2.resize或scipy.misc.imresize调整图像大小。如果您的网络功能作为一维矢量输入，则可以在调整大小后平铺图像。 – Totoro

使用LensMs的Tensorflow估计器接受图像

回答

相关问题