嗨,我正在学习这个教程
https://www.tensorflow.org/tutorials/images/segmentation#define_the_model
但是,使用我自己的数据(工作不太好),假设我有到掩码(target_dir)和原始(trand_dir)图像的路径,我如何制作这样的预取数据集:
[1]:train_dataset.__dict__
[1]: {'_input_dataset': <RepeatDataset shapes: ((None, 128, 128, 3), (None, 128, 128, 1)), types: (tf.float32, tf.float32)>,
'_buffer_size': <tf.Tensor: shape=(), dtype=int64, numpy=-1>,
'_variant_tensor_attr': <tf.Tensor: shape=(), dtype=variant, numpy=<unprintable>>,
'_self_setattr_tracking': True,
'_self_unconditional_checkpoint_dependencies': [TrackableReference(name='_variant_tracker', ref=<tensorflow.python.data.ops.dataset_ops._VariantTracker object at 0x7f36fc7db320>)],
'_self_unconditional_dependency_names': {'_variant_tracker': <tensorflow.python.data.ops.dataset_ops._VariantTracker at 0x7f36fc7db320>},
'_self_unconditional_deferred_dependencies': {},
'_self_update_uid': -1,
'_self_name_based_restores': set(),
'_self_saveable_object_factories': {},
'_variant_tracker': <tensorflow.python.data.ops.dataset_ops._VariantTracker at 0x7f36fc7db320>,
'_graph_attr': <tensorflow.python.framework.ops.Graph at 0x7f37279a32e8>,
'_options_attr': <tensorflow.python.data.ops.dataset_ops.Options at 0x7f36fc7db710>}
我自己的.jpg文件存储在traind_dir和target_dir中的哪个位置
上面的train_数据集是从oxford_iiit_pet数据集获得的,并遵循tensorflow.org教程
编辑:在我的尝试中,如果我使用
getattr(dataset["train"],"_input_dataset")
我明白了
<ParallelMapDataset shapes: {file_name: (), image: (None, None, 3), label: (), segmentation_mask: (None, None, 1), species: ()}, types: {file_name: tf.string, image: tf.uint8, label: tf.int64, segmentation_mask: tf.uint8, species: tf.int64}>
所以我搜索了ParallelMapDataset,我发现我可以用
tf.raw_ops.ParallelMapDataset(
input_dataset, other_arguments, num_parallel_calls, f, output_types, output_shapes
)
但我有一些问题
在其他的争论中,什么是有意义的?tf.32列表
要将输入图像和目标图像配对,我应该使用f和num_parallel_调用什么
目前没有回答
相关问题 更多 >
编程相关推荐