私は本当にtensorflow(.JPG免れる天国)ピットの周りに開けません
事実tensorflow1と2つの大きな違いでは、2、1の後にピットに一時的に、それはあまりにも簡単です。
(参考)関数のTF2変化:https://docs.google.com/spreadsheets/d/1FLFJLzg7WNP6JHODX5q8BDgptKafq_slHpnHVbJIteQ/edit#gid=0
この記事の文書は私のピットのコースを踏ん。
参考文献:https://www.datacamp.com/community/tutorials/tensorflow-tutorial
出典:https://btsd.ethz.ch/shareddata/
また、ここでの行動と結果のみを記録する書き込みの基礎の一部、。
インポートskimage インポートTFとしてtensorflow から skimage インポート IO #skimage.io.imreadため[MUST] インポートのOS インポート PLTのようmatplotlib.pyplot #の延伸分布グラフ から skimage インポート変換 から skimage.color インポート rgb2grayの#1 階調に変換するIMG インポートとしてnumpyのNP DEF first_try(): #は、初期化定数 X1 = tf.constant([1,2,3,4 ]) ×2 = tf.constant([5,6,7,8 ]) #乗算 結果= tf.multiply(X1、X2) 位だけでなく、実際の値、テンソルを返す #TFは計算しない:手段があること。グラフのみを奪う プリント(結果)#:テンソル(、形状=(4)、DTYPE = INT32 "0ムル") #1 実行結果と印刷。意志が近い自動的'と' #のSES = tf.Session() #のプリント(sess.run(結果)) #sess.close() :のSESとしてtf.Session()と 出力 = sess.run(結果) 印刷(出力) DEF LOAD_DATA(DATA_DIR): DIRS = [D 用 Dでos.listdir(DATA_DIR) 場合os.path.isdir(os.path.join(DATA_DIR、D))] ラベル = [] 画像 = [] #記号の各タイプ のための D でDIRS: #1 .ppmのファイル名前 label_dir = os.path.join(DATA_DIR、D) #.ppmの実パス file_names = [os.path.join(label_dir、F) のための F でos.listdir(label_dir) 場合 f.endswith(" .ppm " )] 以下のために F でfile_names: #1 ロード画像 images.append(skimage.io.imread(F)) labels.append(INT(D)) 、戻り画像、ラベル DEF random_show(画像、名前、CMAP = :なし) のための I における範囲を(LEN(名)): plt.subplot( 1、lenは(名前)、I + 1 ) plt.axis(' オフ' ) #のグレースケールPICのAdd CMAP、セットCMAP = 'グレー' #またはu」間違った色を得るでしょ plt.imshow(画像[名[I]]、CMAP) plt.subplots_adjust(wspaceを= 0.5 ) 、印刷(" 形状:{0}、分:{1}、最大:{2} " .format(画像[名[I]形状、 画像[名[I]]分()。 画像[名[I] MAX()))。 plt.show() DEF show_each_label_pic(ラベル): uniq_labels = セット(標識) #は図の初期化 (figsize =(15、15 plt.figureを)) iは 1 = 用のラベルをでuniq_labels: #は、各ラベルのための第一の画像を選択 =画像画像【labels.index(ラベル)] #の8X8、i番目 plt.subplot(8,8 、I) plt.axis(' オフ' ) plt.title(" ラベル{0}({1})" .format(ラベル、labels.count(ラベル))) 、I + = 1 plt.imshow(画像)#のプロット単一ピクチャ plt.show() DEF transform_img(イメージ、行、colsの): リターン [transform.resize(画像、(行、COLS ))のための画像における画像] DEF to_gray(画像): #必要アレイ リターンrgb2gray(np.array(画像)) なら __name__ == " __main__ " : のroot_path = R " G:/共有/ testTF " train_data_dir =のroot_path + " /トレーニング" 画像、ラベル = LOAD_DATA(train_data_dir) #1 プリント(LEN(セット(標識)))交通標識の#62 62 COZタイプ #プリント(LEN(画像))#4575 #plt.hist(ラベル、63)#は、バーグラフを描きます。 #plt.show() #random_show(画像、[300、2250、3650、4000]) #1 プリント(型(画像[0]))#<クラスのnumpy.ndarray '> #show_each_label_pic(ラベル) images28 = transform_img(画像、28、28 ) #random_show(images28、[300、2250、3650、4000]) gray_images28 = to_gray(images28) random_show(gray_images28、[ 300、2250、3650、4000]、CMAP = " グレー")
画像:
バーグラフ:
4回の抽選の表示:
各ラベルマップの何についての統計:
実際には、このサイズ変更後のデータは、(0,1)に正規化しました。
グレースケール方法:変換著者は言うので、ここではグレースケールにするには、現在の問題、色が分類では動作しません。どの私はその後、再検証をします。