使用TensorFlow Keras预处理加载图像时，像素值发生变化
在使用TensorFlow Keras预处理加载图像时，像素值发生变化是由于图像在加载和处理过程中经历了一系列的转换和操作。下面是一个完善且全面的答案：
像素值是指图像中每个像素点的数值，通常表示为0到255之间的整数。在使用TensorFlow Keras加载图像时，常见的像素值变化包括以下几个方面：
- 归一化：为了提高模型的训练效果和收敛速度，通常会对图像进行归一化处理。归一化可以将像素值缩放到0到1之间，或者通过减去均值并除以标准差来使像素值服从标准正态分布。这样做可以减少数据的尺度差异，提高模型的稳定性和泛化能力。
- 通道转换：在加载图像时，常见的图像格式是RGB（红绿蓝）格式，其中每个像素点由三个通道的数值表示。然而，有些模型或算法可能要求输入图像为其他格式，如BGR（蓝绿红）或灰度图像。因此，在加载图像时可能需要对通道进行转换，以满足模型的输入要求。
- 图像大小调整：在训练深度学习模型时，通常需要将输入图像的大小调整为固定的尺寸。这是因为深度学习模型的输入层通常要求固定大小的输入。在调整图像大小时，可能会改变像素值的分布和比例，从而导致像素值的变化。
- 数据增强：为了增加训练数据的多样性和模型的泛化能力，常常会对图像进行数据增强操作，如随机裁剪、旋转、翻转、缩放等。这些操作可能会改变图像的像素值，使其发生变化。
总结起来，使用TensorFlow Keras预处理加载图像时，像素值发生变化是由于归一化、通道转换、图像大小调整和数据增强等操作所导致的。这些变化是为了提高模型的训练效果、满足模型的输入要求以及增加数据的多样性。在实际应用中，可以根据具体的需求和模型要求选择适当的预处理方式。
腾讯云相关产品和产品介绍链接地址：
- 腾讯云图像处理（https://cloud.tencent.com/product/tci）
- 腾讯云人工智能（https://cloud.tencent.com/product/ai）
- 腾讯云物联网（https://cloud.tencent.com/product/iotexplorer）
- 腾讯云存储（https://cloud.tencent.com/product/cos）
- 腾讯云区块链（https://cloud.tencent.com/product/baas）
- 腾讯云元宇宙（https://cloud.tencent.com/product/vr）
相关·内容
我正试图在Python3.7中使用Keras/Tensorflow中的U进行多类培训。我只在灰度(1通道)中执行.jpg图像(值为0,255的值的图像)的二进制训练，我用ImageDataGenerator类加载了这些图像。
在本例中，我需要加载1通道.tif图像，其值为，范围从-1000到7000。据我所知，ImageDataGenerator将图像加载到0,255中，这使我丢失了很多信息。有任何方法可以使用ImageDataGenerator加载原始值的图像吗？我知道枕头库正确地加载了它们，但是我有很多数据，我需要高效地加载这些数据。
假设我有/full/path/to/my/di
浏览 3提问于2022-05-20得票数 0
我刚刚开始学习机器学习，正在使用Tensorflow 1.14。我刚刚使用内置的tensorflow.keras.datasets.mnist数据集使用tensorflow.keras创建了我的第一个模型。以下是我的模型的代码：
import tensorflow as tf
from tensorflow import keras
mnist = keras.datasets.mnist
(x_train, y_train), (x_test, y_test) = mnist.load_data()
class Stopper(keras.callbacks.Callback):
浏览 19提问于2019-07-11得票数 0
回答已采纳
1回答
利用TensorFlow对像素分类问题进行了前馈神经网络的训练和保存，测试精度达到95%。在这个模型中，我每个像素都有11个特征。当我保存并加载模型时，问题就出现了。与我在原始模型中使用的输入X和Y相同，加载模型的精度几乎为0%。但我希望得到同样的95%的准确性！下面是我使用的示例代码：
model = keras.Sequential()
model.add(keras.layers.Flatten(input_shape=(1, 11))) # my input shape (13851000, 11)
model.add(keras.layers.Dense(32, activatio
浏览 6提问于2020-10-18得票数 0
2回答
我有一个简单的猫或狗cnn模型。我的模型的验证准确率为80%，训练精度为84%。
import keras
import tensorflow as tf
from keras.models import Sequential
from tensorflow.keras.layers import Conv2D
from tensorflow.keras.layers import MaxPooling2D
from tensorflow.keras.layers import Flatten
from tensorflow.keras.layers import Dense
import n
浏览 0提问于2020-05-12得票数 0
1回答
你好，我是ML和Tensorflow的初学者，所以请原谅我不理解复杂的理论。 我正在构建一个图像分类器CNN作为一种实践形式。该模型是使用MobileNetv2进行训练的，它应该能够对猫、狗和熊猫的图像进行分类。在训练了我的模型(准确率达到92%)之后，我尝试使用model.predict()来评估它对新图像的处理效果，但我注意到我所有的输出都是1。即使我使用相同的以前的训练数据，也会发生这种情况。顺便说一句，我使用了2700张(每个班级900张)图片进行训练，300张图片进行验证。 以下是我的代码 %tensorflow_version 2.x # this line is not re
浏览 52提问于2021-01-05得票数 0
1回答
Resnet50传感器流的预处理
、、、、
我使用ImageDataGenerator()并传递tf.keras.applications.preprocessing.resnet50作为ImageDataGenerator()的preprocessing参数。
原始图像值介于0-255之间.但是经过预处理后，我注意到图像值不是在0-1之间，我得到了val_loss: nan。我的激活函数是selu和softmax.。
我的问题是，tf.keras.applications.preprocessing.resnet50假设将0-1之间的数据规范化吗？
我是否有可能获得val_loss: nan，因为我的数据没有在0-1之间进行缩放？
浏览 3提问于2022-05-03得票数 0
我想使用Keras Resnet50模型使用OpenCV来读取和调整输入图像的大小。我正在使用来自Keras的相同的预处理代码(对于OpenCV，我需要转换为RGB，因为这是preprocess_input()所期望的格式)。使用OpenCV和Keras图像加载，我得到的预测略有不同。我不明白为什么预测不一样。
这是我的代码：
import numpy as np
import json
from tensorflow.keras.applications.resnet50 import ResNet50
from tensorflow.keras.preprocessing import i
浏览 2提问于2020-09-30得票数 8
回答已采纳
我是TensorFlow的新手。我有一个不同图像大小的图像分类问题。在中，我了解到在模型内部进行调整是多么有益，而不是在dataset.map()函数中。
我对数据集进行了如下分批处理：
ds_train = ds_train\
.batch(BATCH_SIZE)\
.prefetch(tf.data.experimental.AUTOTUNE)
我的模型非常简单：
base_model = tf.keras.applications.ResNet50V2(
include_top=True, weights=None, input_tensor=None,
浏览 0提问于2021-04-06得票数 0
回答已采纳
许多现有的Tensorflow和Keras CNN代码示例对训练图像使用相同的大小，通常是299*299,244*244,256*256，甚至更多。我认为这在一定程度上取决于与预先训练的模型的兼容性，以及架构本身。
我仍在评估各种架构，但最终可能会使用Mask R-CNN (或更快的R-CNN)，使用Resnet、Inception或Xception，以及Tensorflow或Keras。待分析的目标镜像在1024*1024范围内，但可以分解为更小的分区。
考虑到可用的预训练模型，是否存在能够提供任何优势的训练图像大小？我希望避免之后不得不调整大小，因为在某些情况下这会降低图像的清晰度。
浏览 14提问于2017-12-25得票数 2
我从tensorflow文档中发现，加载名为"flower_photos“的数据集的代码是
tf.keras.utils.get_file(origin=''，fname=“data_dir _data_dir”，untar=True)
我有一些图像在我的本地机器，并希望加载和使用它来做一些神经网络算法，如CNN。如何在tensorflow中加载和预处理本地存储的图像？
浏览 2提问于2019-10-26得票数 1
当使用来自tensorflow keras的GaussianNoise在mnist数据集中生成噪声时，我面临着问题。
from tensorflow.keras.datasets import mnist
(X_train, y_train), (X_test, y_test) = mnist.load_data()
from tensorflow.keras.layers import GaussianNoise
sample = GaussianNoise(0.15)
sample(X_test[0:2],training=True )
TypeError:调用层"gaussian
浏览 9提问于2022-03-09得票数 1
我正在学习neural style transfer上的教程。通过最小化关于图像(用内容图像初始化)的损失函数来完成样式转移。让我感到困惑的是下面这段代码： preprocessed_input = tf.keras.applications.vgg19.preprocess_input(inputs) 它是StyleContentModel类中call方法的一部分。TensorFlow如何知道此操作的梯度？我在模块tensorflow.python.framework.ops中使用get_gradient_function检查了这个操作是否有梯度函数，据我所知没有。
浏览 26提问于2020-10-09得票数 1
回答已采纳
我正在使用EfficientNet，我希望从我的代码中删除TensorFlow依赖项，为此，我想自己创建preprocess_input。
from tensorflow.keras.applications.efficientnet import preprocess_input
有人能告诉我如何在不使用preprocess_input的情况下编写效率网的TensorFlow函数吗？
def preprocess_input():
......
return
到目前为止我找到了这个存储库。，但我无法理解代码。
浏览 1提问于2022-11-17得票数 0
1回答
CNN模型预测仅为一级
、、、、
我正在做一个细粒度的分类来分类汽车模型。因此，我使用转移学习ResNet50。据我所知，它在训练中表现很好。但是当我尝试新的图像时，它总是预测一个类。下面是我的密码。
用于培训：
from tensorflow.keras.layers import Input, Lambda, Dense, Flatten
from tensorflow.keras.models import Model
from tensorflow.keras.applications.resnet50 import ResNet50
from keras.applications.vgg16 import VGG16
浏览 0提问于2021-09-13得票数 0
回答已采纳
2回答
如何提高迁移学习的准确性？
、、、、
I正在训练古吉拉特语光学字符识别模型。输入图像是字符图像。我上了37门课。总训练图像为22200张(每班600张)，测试图像为5920张(每班160张)。我的输入图像大小为32x32。。
下面是我的代码：
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Conv2D
from tensorflow.keras.layers import MaxPooling2D
from tensorflow.keras.layers import Flatten
from tensorflo
浏览 5提问于2020-10-09得票数 0
1回答
我正在尝试创建一个CNN，它可以检测图像中的数字。为此，我开始使用。此数据集附带经过预处理的图像，缩放到32x32 digits.There是10个数字的10个类。
我训练了这个网络，它的测试精度接近于0.93。测试精度也是在测试集上计算的，测试集是一组32x32位数。
一切都很好。但问题是，预测概率总是一个。下面是其中一个类的输出情况：
array([[0.0000000e+00, 0.0000000e+00, 0.0000000e+00, 0.0000000e+00,
1.0000000e+00, 8.5623318e-24, 0.0000000e+00, 0.00000
浏览 0提问于2019-04-20得票数 2
回答已采纳
我遇到了这个图层tf.keras.layers.experimental.preprocessing.Rescaling
我正在制作一个图像分类模型，但我不知道是什么意思。
它提到“将0,255范围内的输入重新分配到0，1范围内”。
这是否意味着这一层把我的图像变成黑白的？
这一层对我的训练有什么帮助？
浏览 2提问于2021-04-06得票数 0
回答已采纳
我注意到，TensorFlow的image_dataset_from_directory的输出不同于直接加载映像(通过PIL、Keras‘load_img等)。我设置了一个实验:我有一个尺寸为2400x1800x3的RGB映像，并尝试比较不同方法产生的numpy数组：
from PIL import Image
from tensorflow.keras.utils import image_dataset_from_directory, load_img, img_to_array
train_set = image_dataset_from_directory(
'..
浏览 6提问于2022-05-23得票数 0
我发现keras.applications和tensorflow集线器中的一些模型使用了不同的预处理。例如，我读到mobilenetv2模型要求图像从tensorflow集线器缩放为0,1，在keras.applications中缩放为-1，1。
现在，keras.applications模型都提供了预处理功能，或者至少提供了有关如何预处理的信息。我可以在tensorflow hub上查找相同的信息吗？
不幸的是，我什么也找不到。
浏览 13提问于2021-05-22得票数 0
2回答
为了对图像进行分类，我尝试构建一个CNN模型，但是每当训练完成之后，我尝试给它一个单一的图像(来自训练数据集)，它总是错误地分类这个图像。
请看我下面写的代码。
提前谢谢你。
首先，我声明了一个用于培训和测试集的图像数据生成器：
train_datagen = ImageDataGenerator(rescale = 1./255, rotation_range=20, horizontal_flip = True,
validation_split=0.3)
test_datagen = ImageDataGenerator(rescale = 1./255,validation_spl
浏览 2提问于2021-07-19得票数 0
回答已采纳
1回答
我目前正在使用tensorflow后端在keras框架中开发一个卷积神经网络，它将用于区分通过或失败的指示器。两者之间的区别(决定它是通过还是失败)是在试管内的一个小的颜色变化。然而，当我在图像(每个图像大约1500张)上训练卷积神经网络时，无论图像是什么，网络似乎总是预测通过。我的猜测是，这是因为两者有很大的相似之处，但我不确定为什么它无法检测到这种颜色变化作为区分特征。
下面是我目前用来构建分类器的代码，以提供分类器可能在哪里建立这样的偏差的参考。
# Imports from Keras Library to build Network
from keras.models import
浏览 0提问于2018-06-05得票数 1
1回答
如何使用数据生成器进行回归角化？
、、、、
我使用Keras数据生成器从目录加载数据。我基本上是在处理一个回归，也就是说，在[-1 1]范围内，我的每个图像都有一个数值。我使用以下代码从目录加载图像：
df=pd.DataFrame(columns=['Image','Steer'])
df['Image']=filenames
df['Steer']=steer
from sklearn.model_selection import train_test_split
train_x,test_x,train_y,test_y=train_test_split(df[&#
浏览 0提问于2021-03-29得票数 0
回答已采纳
2回答
因此，我用keras中的示例训练数据来训练我的神经网络，然后用我自己手写的数字输入它。 import os
import cv2
import numpy as np
import matplotlib.pyplot as plt
import tensorflow as tf
from tensorflow import keras
mnist = tf.keras.datasets.mnist
(x_train, y_train),(x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test
浏览 28提问于2019-01-27得票数 0
1回答
我在Keras中创建了一个图像分类器，后来我将模型保存为pb格式，以便在安卓中使用。 但是，在python代码中，它可以正确地对图像进行分类。但在android中，无论我输入的是什么图像，输出都是一样的。 我就是这样训练我的模型的 rom keras.models import Sequential
from keras.layers import Conv2D
from keras.layers import MaxPooling2D
from keras.layers import Flatten
from keras.layers import Dense
# Initialisin
浏览 14提问于2019-05-26得票数 0
回答已采纳
1回答
我已经创建了一个非常简单的回归模型，它训练0.5-10之间的黑白图像和相应的标签。当训练预测标签时，它总是收敛到一个模型，该模型对所有标签输出相同的数字，该数字看起来最有可能是所有标签的平均值。是不是我的模型中有什么东西导致了这种情况？我的代码：
from __future__ import absolute_import, division, print_function
import tensorflow as tf
from tensorflow import keras
import numpy as np
import matplotlib.pyplot as plt
(trai
浏览 19提问于2019-07-24得票数 1
回答已采纳
1回答
角点输入层限值
、、、
一本书中的范例很好。
model = keras.models.Sequential()
model.add(keras.layers.Flatten(input_shape=[28, 28]))
model.add(keras.layers.Dense(300, activation="relu"))
model.add(keras.layers.Dense(100, activation="relu"))
model.add(keras.layers.Dense(10, activation="softmax"))
尽管当我试图将input_
浏览 4提问于2021-01-24得票数 0
2回答
因此，我使用了用于狗和猫分类的vgg16模型，并且我注意到keras没有以正确的颜色格式加载图像。守则如下：
import cv2
import matplotlib.pyplot as plt
import numpy as np
from PIL import Image
from keras.preprocessing import image
path='data/dogscats/sample/train/dogs/dog.1402.jpg'
imgkeras=image.load_img(path)
imgkeras=image.img_to_array(img
浏览 0提问于2017-09-13得票数 2
回答已采纳
我使用的是tensorflow v2.3.1
这是我的密码：
train_batches = ImageDataGenerator(preprocessing_function = tf.keras.applications.vgg16.preprocess_input).flow_from_directory(
directory = train_path, target_size=(224,224), classes = ['1', '2', '3'], color_mode = 'grayscale', batch_
浏览 3提问于2020-11-19得票数 0
回答已采纳
2回答
我正致力于在一个我正在开发的网站中使用一个复杂的神经网络，但我不知道如何为一个图像创建一个输入。
CNN模型在keras中进行了训练，然后转换成tensorflow.js格式，并且没有问题地加载。但是，当我试图使用图像作为tf.fromPixels方法在tensorflow.js中的输入时，我遇到了一个问题，即：
"Uncaught :未能在‘WebGL2RenderingContext’上执行'texImage2D‘：图像元素包含跨源数据，可能不会加载。“
图像本身是本地存储的，并显示在网页中(整个页面目前正在本地运行)。我将如何向tensorflow.js的CNN模
浏览 0提问于2018-06-22得票数 3
警告:tensorflow:没有传递给第一层的input_shape的顺序模型不能重新加载它们的优化器状态。因此，您的模型是从刚初始化的优化器开始的。
在试图加载保存的模型时，我遇到了来自tensorflow的警告
import tensorflow.keras as keras
import tensorflow as tf
mnist = tf.keras.datasets.mnist
(x_train, y_train),(x_test, y_test) = mnist.load_data()
x_train = tf.keras.utils.normalize(x_train, ax
浏览 3提问于2019-05-13得票数 3
回答已采纳
我正在尝试理解当使用由keras.application提供的带有tensorflow compat.v1模块的基础网络之一时，需要什么样的图像预处理 特别是，我对转换范围为-1,1或类似范围内的每个像素通道值的函数感兴趣。我深入研究了代码，似乎Tensorflow依赖于Keras，另一方面，它应该有3个不同的功能:一个用于tf，一个用于caffe，最后一个用于torch，这意味着每个基础网络都没有特定的功能 到目前为止，我刚刚重新实现了tensorflow的函数(value = value/127.5 - 1)，但我也读到过其他人在讨论其他东西(例如value = value/255)，没
浏览 20提问于2020-04-06得票数 0
1回答
如何在CNN中使用黑白图像？
、、、、
import tensorflow as tf
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Activation, Dense, Flatten, BatchNormalization, Conv2D, MaxPool2D, Dropout
from tensorflow.keras.optimizers import Adam
from tensorflow.keras.preprocessing.image import ImageDataGenerator
impor
浏览 2提问于2020-08-04得票数 2
回答已采纳
我知道如何从本地机器加载图像，以便在tensorflow中进行训练。我想要一种加载图像用于测试目的的方法，特别是当我使用tensorflow.keras.preprocessing.image.ImageDataGenerator进行训练时。
浏览 0提问于2019-11-29得票数 1
我有一个非常大的数据集，并且正在使用Keras的fit_generator来训练Keras模型(tensorflow后端)。我的数据需要在整个数据集中进行规范化，但是当使用fit_generator时，我可以访问相对较小的数据批，并且这个小批中的数据规范化并不代表对整个数据集中的数据进行规范化。影响相当大(我对其进行了测试，模型的准确性明显降低)。
我的问题是:当使用Keras‘fit_generator时，在整个数据集中标准化数据的正确做法是什么？最后一点:我的数据是文本和数字数据的混合，而不是图像，因此我无法使用Keras提供的图像生成器中的一些功能来解决图像数据的一些问题。
在训练之前，
浏览 0提问于2018-06-04得票数 3
回答已采纳
1回答
如何使用角流法？
、、、
我正在用Keras建立一个卷积神经网络。我想使用我自己的数据集。该数据集由指定大小的矩阵组成，由0's填充，0‘S包含指定大小的子矩阵，填充1's，子矩阵是可选的，其目的是训练神经网络来预测矩阵是否包含子矩阵。为了使检测更加困难，我在矩阵中添加了各种类型的噪声。
这是矩阵形状的图片，黑色部分是0's，白色部分是1's，图像的像素和矩阵中的条目之间是1:1的对应。
📷
现在我想创建一个CNN，它可以对这些图像进行分类。到目前为止最简单的方法是使用
test_set = test_datagen.flow_from_directory('dataset/tr
浏览 0提问于2018-04-09得票数 1
回答已采纳
1回答
我是训练加载我的模型没有我的数据库，但我必须使用标准规模分割。这是我的密码：
import tensorflow as tf
import pandas as pd
from tensorflow.keras.models import Sequential, load_model
from tensorflow.keras.layers import Dense
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
dataset = pd.r
浏览 3提问于2021-12-19得票数 0
我使用的是最新版本的Tensorflow和Keras。我看过像MNIST这样的数据集加载和使用的例子。
但是如何处理本地图像呢？
浏览 1提问于2018-05-24得票数 1
回答已采纳
我想加载一个预先训练的模型，并开始测试图像。
这是我认为能起作用的代码：
from keras.applications.inception_v3 import InceptionV3
from keras.preprocessing import image
from keras.models import Model
from keras.layers import Dense, GlobalAveragePooling2D
from keras import backend as K
base_model = InceptionV3(weights='imagenet'
浏览 0提问于2019-06-09得票数 2
回答已采纳
为什么我的TensorFlow模型能够正确地预测JPG和PNG图像，而却不正确地从实时视频流中预测帧？实时视频流中的所有帧都被错误地归类为1类。
尝试:我从实时视频流中保存了一个PNG图像。当我分别保存和测试PNG图像时，模型对其进行了正确的分类。当一幅相似的图像是实时视频流中的一个帧时，它被错误地分类。PNG图像和实时视频流帧具有相同的视觉内容(背景、光照条件、摄像机角度等)。
我的模型结构：
Model: "sequential_1"
_________________________________________________________________
Laye
浏览 2提问于2021-10-31得票数 1
回答已采纳
我正在做一个图像分类问题，这是一个二元分类来决定图片是好的还是坏的。我训练了一个模型，当我用测试集对模型进行评估时，我发现分类报告使用3种方法是不同的：
model.Generate 逐个读取图像，并使用image_dataset_from_directoryUse (模型的评估方法)将其填充到 tf数据集中。
以下是代码：
import config as config
import tensorflow as tf
from tensorflow.keras.utils import image_dataset_from_directory
import numpy as np
from
浏览 3提问于2021-11-02得票数 1
我对以下两种情况之间明显的不一致感到困扰：
图像调整来自keras.preprocessing的功能，这些功能是PIL函数的包装器
TensorFlow的tf.image中的图像调整功能。
我正在用Keras为计算机视觉任务训练一个深入的学习模型(实际上，用tf.keras，但这在这里并不重要)。然后，我使用TF服务为模型提供服务，这要求我以编码的字节字符串的形式向模型发送图像，在模型图通过之前，它们是使用tf.image.decode_png解码的。
当我调整图像的大小时，问题就会发生。使用双线性插值(或任何其他方法)对tf.image**，进行调整，与*相比，PIL的结果不
浏览 0提问于2019-02-02得票数 15
回答已采纳
我想自定义一个Keras损失函数，但我真的不了解一些东西。
如果我使用tensorflow作为Keras的后端，我需要使用keras.backend中的函数还是可以直接使用tensorflow中的函数。
我只看到人们使用来自keras.backend的函数的帖子，而不是来自tensorflow的函数(即使tensorflow有更多的函数)。有没有理由这样做呢？
举个玩具的例子：
from keras import backend as K
import tensorflow as tf
def loss_keras(y_true, y_pred):
square_error =
浏览 3提问于2018-09-27得票数 3
嗨，我目前正在开发一个利用LSTM和RNN的公交车到达时间预测系统的项目。将比较这两个框架的结果，以预测我在数据集中包含的delay_in_min数据。我需要帮助，在开发这个项目时，我遇到了一些问题。
我已经尝试使用这个框架来运行我的数据集，用于LSTM和RNN。
**这是我的数据集的一部分：
用于数据预处理
X.shape = (315，5，21)
y.shape = (315，)
我将数据分成三部分(训练:200，验证:50，测试:65)。
LSTM：
from tensorflow.keras.models import Sequential
f
浏览 11提问于2022-06-28得票数 1
## MODEL IMPORTING ##
import tensorflow
import pandas as pd
import numpy as np
import os
import keras
import random
import cv2
import math
import seaborn as sns
from sklearn.metrics import confusion_matrix
from sklearn.preprocessing import LabelBinarizer
from sklearn.model_selection import train_
浏览 2提问于2020-10-04得票数 0
1回答
背景：
在GCP上的视觉应用中，我们使用TF服务。使用TF服务的应用程序是用Go编写的。此应用程序将图像转换为张量，并将其发送给使用gRPC服务的TF。
问题：
Golang中的预处理逻辑不像在Python中那样工作，而是使用Keras映像库(推理的准确性受到影响)。部分原因可能是在培训期间使用了Python库。
我们试过了，
Tensorflow服务提供了一种引入可以在服务容器上运行的预处理器的方法。它的功能似乎有限(不能将Keras库打包到模型中)。我们尝试了以下两种选择
工作是Keras (Python)，在客户端，如下所示。
img = tf.keras.preprocessing.i
浏览 1提问于2019-10-05得票数 4
我的理解是Keras的调整层可以获取不同大小的输入图像，但是我一直无法让它工作。下面的显示了错误：
import tensorflow as tf
import tensorflow_datasets as tfds
from tensorflow.keras import layers
dsTrain = tfds.load('CatsVsDogs', split='train[:10%]', as_supervised=True).batch(128).prefetch(tf.data.AUTOTUNE)
model = tf.keras.models.S
浏览 12提问于2022-09-01得票数 -1
回答已采纳
1回答
我应该使用哪一个来预处理图像。从keras使用ImageDataGenerator还是从tensorflow使用tf.data？哪一个有更好的性能？
浏览 30提问于2020-04-24得票数 1
回答已采纳
我正在尝试使用tf.saved_model.save()函数导出我的TF模型。但是，我在预处理过程中使用了额外的外部库。使用nltk示例的工作代码如下所示：
import tensorflow as tf
import nltk
import tensorflow_datasets as tfds
from tensorflow.python.ops import gen_string_ops
from tensorflow.python.ops import string_ops
train_data, val_data, test_data = train_data, validatio
浏览 7提问于2021-02-26得票数 0
1回答
我正在尝试使用TensorFlow和Keras来训练一个自动编码器。我的训练数据有超过200 K 512x128未标记的图像。如果我想在一个矩阵中加载数据，它的形状将是(200000,512,128，3)。这是几百GB的RAM空间。我知道我可以在培训的同时减少批处理的大小，但这是为了限制GPU/CPU中内存的使用。
这个问题有解决办法吗？
浏览 5提问于2022-04-23得票数 2
当我们使用一些著名的CNN深神经网络(如MobileNet )时，建议先对图像进行预处理，然后再将其输入网络。我找到了一个使用MobileNet的示例代码。在此代码中，图像的预处理由TensorFlow 2.7.0中的以下代码完成：
tf.keras.applications.mobilenet.preprocess_input(image)
我只需要在python中使用PIL和OpenCV对输入图像进行预处理。因此，我需要了解MobileNet在TensorFlow中的预处理过程。我将非常感谢您的指导。
浏览 6提问于2021-12-01得票数 1
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
