我想在训练时用tf.data.dataset
做图像论证。代码类似于官方的guideline,如下所示:
train_dataset = tf.data.Dataset.from_tensor_slices((train_data, train_label))
train_dataset = train_dataset.map(
lambda file, label: tuple(tf.py_func(
_parse_train_image, [file, label],
[tf.float32, tf.int32]
))
).batch(batch_size).repeat(epoch)
def _parse_train_image(file, label):
image = cv2.imread(file.decode(), cv2.IMREAD_COLOR)
image = process_image(image)
return image, label
这里的train_data
和train_label
是指分别包含图像文件路径和标签的两个列表。但是,这种转换只能返回原始图像,我还需要对图像进行参数化(如翻转和旋转)。
如何继续论证图像并返回这些图像?你知道吗
目前没有回答
相关问题 更多 >
编程相关推荐