标签：fast 操作 log session 操作系统 reads eva tar eval
方法一：直接使用tensorflow提供的函数image = tf.gfile.FastGFile(‘PATH‘)来读取一副图片:
import matplotlib.pyplot as plt; import tensorflow as tf; % matplotlib inline #将matplotlib绘制的图像直接输出到当前交互式的框架下 image_raw_data_jpg = tf.gfile.FastGFile(‘home/ubuntu-mm/TensorFlow/Learning/D-TestJupyter/image/Train/Pic.jpg‘, ‘r‘).read() with tf.Session() as sess: img_data_jpg = tf.image.decode_jpeg(image_raw_data_jpg) #图像解码 img_data_jpg = tf.image.convert_image_dtype(img_data_jpg, dtype=tf.uint8) #改变图像数据的类型 plt.figure(1) #图像显示 plt.imshow(img_data_jpg.eval())
print sess.run(img_data_jpg)
我用的是基于Ubuntu16.04操作系统下的Jupyter来编写的程序，CPU版本（记得加% matplotlib inline就能显示出图像了）
实验的结果如下所示：
方法二：将图像加载到创建好的队列中使用tf.train.string_input_producer（），然后再加载到变量当中：
import tensorflow as tf; import matplotlib.pyplot as plt path = ‘/home/ubuntu-mm/TesorFlow/Learning/D-TestJupyter/images/Train/Pic.jpg‘ file_queue = tf.train.string_input_producer([path]) #创建输入队列 image_reader = tf.WholeFileReader() _, image = image_reader.read(file_queue) image = tf.image.decode_jpeg(image) with tf.Session() as sess: coord = tf.train.Coordinator() #协同启动的线程 threads = tf.train.start_queue_runners(sess=sess, coord=coord) #启动线程运行队列 print sess.run(image) coord.request_stop() #停止所有的线程 coord.join(threads) image_uint8 = tf.image.convert_image_dtype(image, dtype = tf.uint8) plt.imshow(image_uint8.eval())
实验结果如下所示：
标签：fast 操作 log session 操作系统 reads eva tar eval
原文地址：http://www.cnblogs.com/uestc-mm/p/7231124.html
