Deprecated: Function get_magic_quotes_gpc() is deprecated in /home/ustmbir/domains/deeplearning.ir/public_html/qa/qa-include/qa-base.php on line 1177
خواندن داده های tfrecords برای انجام عمل train و Test - پرسش و پاسخ یادگیری عمیق
به بخش پرسش و پاسخ یادگیری عمیق خوش آمدید,
این نسخه آزمایشی سایت است.
لطفا به نکات زیر توجه کنید:
  • برای ارتباط با مدیران میتوانید از صفحه مدیران اقدام کنید.
  • سوال و جواب ها باید به زبان فارسی باشند. استفاده از زبان انگلیسی یا فینگلیش برای پاسخ دادن مجاز نیست.
  • لطفا بعد از پرسش سوال لینک سوال خود را در گرو تلگرام (Iran Deep Learning Group) معرفی کنید تا سریعتر به جواب برسید. برای دسترسی به آخرین لینک از منابع یادگیری استفاده کنید
  • لطفا بجای عکس از متن استفاده کنید. اگر متون طولانی هستند از سایت pastebin.com برای اپلود استفاده کرده و لینک حاصل را در سوال خود قرار دهید. برای قرار دادن تصویر ، از بخش ارسال تصویر ادیتور سایت استفاده کنید.
  • بعد از دریافت پاسخ، بهترین پاسخ را از طریق کلیک بر روی علامت تیک انتخاب کنید
  • اگر با خطا و یا مشکلی مواجه شدید از بخش تماس با ما در انتهای صفحه و یا ایمیل Coderx7@gmail.com موضوع را اطلاع دهید.

با تشکر

دسته بندی ها

+1 امتیاز

با سلام من دیتاستی ساختم از 50هزار تصویر باینری 60*60 و تبدیلش کردم به tfrecord منتهی الان مشکل اینجاست که نمیدونم چطور این دیتا رو به لایه اول شبکه منتقل کنم و ترین رو انجام بدم ممنون میشم راهنمایی کنید

feature {
key: "width"
value {
  int64_list {
    value: 60
  }
}
  feature {
key: "label"
value {
  int64_list {
    value: 1
  }
}
feature {
key: "image_raw"
value {
  bytes_list {
    value: "F\000\000\000:\000\000\000/\000\000\000p\000\000\000r\000\000\000o\000\000\000j\000\000\000e\000\000\000c\000\000\000t\000\000\000/\000\000\000p\000\000\000y\000\000\000t\000\000\000h\000\000\000o\000\000\000n\000\000\000/\000\000\000t\000\000\000e\000\000\000s\000\000\000t\000\000\000\\\000\000\000m\000\000\000a\000\000\000t\000\000\000h\000\000\000-\000\000\0001\000\000\000 \000\000\000(\000\000\0004\000\000\0004\000\000\0007\000\000\000)\000\000\000.\000\000\000p\000\000\000n\000\000\000g\000\000\000"
  }
}
feature {
key: "height"
value {
  int64_list {
    value: 60
  }
}
feature {
key: "depth"
value {
  int64_list {
    value: 1
  }
}
توسط (141 امتیاز)

1 پاسخ

+1 امتیاز
 
بهترین پاسخ

سلام.
این کد در مورد آموزش و تست یه شبکه کانولوشنی برای تشخیص کلاس تصویر با استفاده از فایل tfrecord است که می تونه بهتون کمک کنه.

توسط (830 امتیاز)
انتخاب شده توسط
...