我如何在 TensorFlow 中使用我自己的图像？
How do i use my own images in TensorFlow?
我知道之前有人问过这个问题，但我还没有找到可以解决的答案。我是 Python 和 Tensorflow 的新手，但使用 MNIST 图像集设法使我的准确度达到 +-99.3%。现在我想尝试使用我自己的图像，但事实证明这对我来说比预期的要难。
我已经阅读了 Tensorflow 网站上的教程页面数百次，但它对我来说毫无意义，无论我尝试什么，我最终都会收到警告。现在我想自己弄清楚，但是有没有人知道哪种方式最容易处理我自己的图像？或者有什么例子吗？我一直在网上寻找它们，但感觉我找到了 1000 个，但其中 none 得到了我能理解的解释。
提前感谢您的帮助。
好的，所以将这些放在一起，您有 42 classes，预计每张大约有 10 张图片。
这使您非常需要两件事：
您已经在评论中解决了数据扩充的可能需求，并且您发现了：为了充分利用每个 class 的 10 张图片，您需要申请对他们进行了一大堆转变。总共可能超过 10/20 张图片：
- 裁剪
- 缩放
- 噪音
- Contrast/color/brightness调整
- 旋转
图像 class化数据增强的一个很好的例子是 official resnet example model
二是迁移学习。当您尝试从相当少的数据中学习 42 classes 的模型时，您可能可以通过从在其他数据上训练的模型开始，然后重新训练最后（几个）层来做得更好使用您的新数据集。这背后的原因是初始训练的更大示例 space 将帮助您的 classifier 学习各种常见的图像特征，您的迁移学习 classifier 可以使用这些特征更快获得更高级别的认可。
当然，另一种方法是你可以进行某种形式的主动学习——训练一个 classifier，然后向它展示你的令牌图像（可能通过网络摄像头，classifying每帧），当它出错时，将其保存为下一轮训练的示例。这需要更多的工作，你必须为它构建一些基础设施，所以我将从迁移学习开始。
然后你会遇到迁移学习从什么架构开始的问题。 Inception 对于您正在做的事情来说可能太多了，但是普通的 MNIST 模型可能比您想要的更简单。您需要做一些实验——修改后的 LeNet 风格 classifier 就像常见的 MNIST 示例一样可以很好地工作（添加另一个卷积层，添加 batchnorm，也许还有一点 dropout）。或者，您可以从预训练的 Mobilenet 网络开始并从中迁移学习。我很想从后者开始，除非您对推理速度有一些严格的计算限制。
对于您的图像，我首先创建一个 JPEG 图像目录。最 "official" 处理它们的方法是 .
中的过程
我知道之前有人问过这个问题，但我还没有找到可以解决的答案。我是 Python 和 Tensorflow 的新手，但使用 MNIST 图像集设法使我的准确度达到 +-99.3%。现在我想尝试使用我自己的图像，但事实证明这对我来说比预期的要难。
我已经阅读了 Tensorflow 网站上的教程页面数百次，但它对我来说毫无意义，无论我尝试什么，我最终都会收到警告。现在我想自己弄清楚，但是有没有人知道哪种方式最容易处理我自己的图像？或者有什么例子吗？我一直在网上寻找它们，但感觉我找到了 1000 个，但其中 none 得到了我能理解的解释。
提前感谢您的帮助。
好的，所以将这些放在一起，您有 42 classes，预计每张大约有 10 张图片。
这使您非常需要两件事：
您已经在评论中解决了数据扩充的可能需求，并且您发现了：为了充分利用每个 class 的 10 张图片，您需要申请对他们进行了一大堆转变。总共可能超过 10/20 张图片：
- 裁剪
- 缩放
- 噪音
- Contrast/color/brightness调整
- 旋转
图像 class化数据增强的一个很好的例子是 official resnet example model
二是迁移学习。当您尝试从相当少的数据中学习 42 classes 的模型时，您可能可以通过从在其他数据上训练的模型开始，然后重新训练最后（几个）层来做得更好使用您的新数据集。这背后的原因是初始训练的更大示例 space 将帮助您的 classifier 学习各种常见的图像特征，您的迁移学习 classifier 可以使用这些特征更快获得更高级别的认可。
当然，另一种方法是你可以进行某种形式的主动学习——训练一个 classifier，然后向它展示你的令牌图像（可能通过网络摄像头，classifying每帧），当它出错时，将其保存为下一轮训练的示例。这需要更多的工作，你必须为它构建一些基础设施，所以我将从迁移学习开始。
然后你会遇到迁移学习从什么架构开始的问题。 Inception 对于您正在做的事情来说可能太多了，但是普通的 MNIST 模型可能比您想要的更简单。您需要做一些实验——修改后的 LeNet 风格 classifier 就像常见的 MNIST 示例一样可以很好地工作（添加另一个卷积层，添加 batchnorm，也许还有一点 dropout）。或者，您可以从预训练的 Mobilenet 网络开始并从中迁移学习。我很想从后者开始，除非您对推理速度有一些严格的计算限制。
对于您的图像，我首先创建一个 JPEG 图像目录。最 "official" 处理它们的方法是