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

0 امتیاز

با سلام من با این تا بعد tfrecord ساختم

def convert_to(images, labels, name):
num_examples = len(labels)
if images.shape[0] != num_examples:
    raise ValueError("Images size %d does not match label size %d." %
                     (images.shape[0], num_examples))
rows = 60
cols = 60
depth = 1

filename = os.path.join('./data/', name + '.tfrecords')
print('Writing', filename)
writer = tf.python_io.TFRecordWriter(filename)
for index in range(num_examples):
    image_raw = images[index].tostring()
    example = tf.train.Example(features=tf.train.Features(feature={
        'height': _int64_feature(rows),
        'width': _int64_feature(cols),
        'depth': _int64_feature(depth),
        'label': _int64_feature(int(labels[index])),
        'image_raw': _bytes_feature(image_raw)
    }))
    writer.write(example.SerializeToString())

و مخواستم با این تابع داده ها رو بخونم

def read_and_decode(filename, batch_size, num_epochs, num_samples):
filename_queue = tf.train.string_input_producer([train_tfrecord_addr],
                                                num_epochs=num_epochs)

reader = tf.TFRecordReader()

_, serialized_example = reader.read(filename_queue)

features = tf.parse_single_example(
    serialized_example,
 
    features={
        'image_raw': tf.FixedLenFeature([], tf.string),
        'label': tf.FixedLenFeature([], tf.int64),
        'height': tf.FixedLenFeature([], tf.int64),
        'width': tf.FixedLenFeature([], tf.int64),
        'depth': tf.FixedLenFeature([], tf.int64)
    })
image_raw = tf.decode_raw(features['image_raw'], tf.float32)
image_resized = tf.reshape(image_raw, [60, 60, 1])

label_raw = tf.cast(features['label'], tf.int32)
images, labels = tf.train.shuffle_batch([image_resized, label_raw], batch_size=batch_size, capacity=num_samples, num_threads=1,
                                        min_after_dequeue=10)
return images, labels

منتهی این ارور راجب bath بهم نشون میده

OutOfRangeError (see above for traceback): RandomShuffleQueue '_1_shuffle_batch/random_shuffle_queue' is closed and has insufficient elements (requested 10, current size 0)
 [[Node: shuffle_batch = QueueDequeueManyV2[component_types=[DT_FLOAT, DT_INT32], timeout_ms=-1, _device="/job:localhost/replica:0/task:0/device:CPU:0"](shuffle_batch/random_shuffle_queue, shuffle_batch/n)]]

مشکل از کجاست ؟ داده هام رو میتونم پرینت کنم یعنی tfrecords خالی نیست
پیشاپیش ممنونم

توسط (141 امتیاز)

1 پاسخ

0 امتیاز

سلام
چجوری میشه داخل tfrecord رو دید میخاستم ببینم نحوه ذحیره سازیش چجوریه ؟

توسط (389 امتیاز)
کد رو گذاشتم با تابع convert_to میتونید بسازید
ساختنش کاری ندارم برای visualization میخاستم ببینم اصلا فایل tfrecord محتواش چی هست ؟پ
http://qa.deeplearning.ir/4765/%D8%AE%D9%88%D8%A7%D9%86%D8%AF%D9%86-%D8%AF%D8%A7%D8%AF%D9%87-%D9%87%D8%A7%DB%8C-tfrecords-%D8%A8%D8%B1%D8%A7%DB%8C-%D8%A7%D9%86%D8%AC%D8%A7%D9%85-%D8%B9%D9%85%D9%84-train-%D9%88-test

اینجا پرینت گرفتم منتهی همه اینها داخل ی بلاک بودن برای ی عکس ک من نتونستم همشو جا بدم جداجدا گذاشتمش
داخل tfrecord اينجوري هست مگه باينري نيست ؟
دیتای تصویر باینری هست
...