我仍在尝试使用自己的图像数据运行 Tensorflow。
我能够使用此示例中的conevert_to()函数创建一个.tfrecords文件link
现在我想用该示例中的代码来训练网络link.
但在 read_and_decode() 函数中失败。我对该功能的更改是:
label = tf.decode_raw(features['label'], tf.string)
错误是:
TypeError: DataType string for attr 'out_type' not in list of allowed values: float32, float64, int32, uint8, int16, int8, int64
那么如何 1) 读取和 2) 使用字符串标签在张量流中进行训练。
The convert_to_records.py脚本创建一个.tfrecords
文件中的每条记录都是一个Example协议缓冲区。该协议缓冲区支持字符串功能,使用bytes_list kind.
The tf.decode_rawop用于将二进制字符串解析为图像数据;它不是为解析字符串(文本)标签而设计的。假如说features['label']
is a tf.string
张量,你可以使用tf.string_to_numberop 将其转换为数字。 TensorFlow 程序中对字符串处理的其他支持有限,因此如果您需要执行一些更复杂的函数将字符串标签转换为整数,您应该在 Python 的修改版本中执行此转换convert_to_tensor.py
.
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)