import tensorflow as tf import os """ 黑白照：单通道，灰度值[0~255]，一个像素点一个值 彩色照：三通道，RGB，一个像素点三个值，同样像素，彩色是黑白数据量的3倍 图片的张量表示：[100, 300, 1]，100表示长，300表示宽，1表示通道数 图形需要进行缩放：一方面减小开销，一方面是为了统一特征值的数量 """ def picread(filelist): """图片读取""" # 1.构造文件队列 file_queue = tf.train.string_input_producer(filelist) # 2.构造阅读器读取图片内容（默认读取一张图片） reader = tf.WholeFileReader() key, value = reader.read(file_queue) # print(value) # 返回Tensor("ReaderReadV2:1", shape=(), dtype=string) # 3.对读取的图片数据进行解码，返回的image是uint8类型 image = tf.image.decode_jpeg(value) # 处理图片，统一图片的大小，image_resize是float类型,shape=[200, 200, ?]即形状还没有固定 image_resize = tf.image.resize_images(image, [200, 200]) # 固定图片形状 image_resize.set_shape([200, 200, 3]) # 4.进行批处理 image_batch = tf.train.batch([image_resize], batch_size=3, num_threads=1, capacity=3) return image_batch if __name__ == "__main__": # 构造文件列表 file_name = os.listdir("./data/dog") filelist = [os.path.join("./data/dog", file) for file in file_name] image_batch = picread(filelist) # 开启会话 with tf.Session() as sess: # 定义线程协调器 coord = tf.train.Coordinator() # 开启读取文件的线程 thd = tf.train.start_queue_runners(sess, coord=coord, start=True) # 打印读取内容 print(sess.run([image_batch])) # 回收子线程 coord.request_stop() coord.join(thd)