实现人脸识别性别之路---制做本身的训练集并读取

import tensorflow as tf
import os
import cv2

def handle_data(photo_path):
    #制做数据集
    writer = tf.python_io.TFRecordWriter("data_photo.tfrecords")
    cast = {"boy"}
    for index,name in enumerate(cast):
        # print(index,name)
        for i in os.listdir(photo_path):
            image_path = os.path.join(photo_path,i)
            # print(image_path)
            imag = cv2.imread(image_path)
            # print(imag)
            image = cv2.resize(imag, (128,128), interpolation=cv2.INTER_CUBIC)
            # print(image)
            dr_image = image.tobytes()
            # print(dr_image)
            exmple = tf.train.Example(features = tf.train.Features(feature = {
                                                                           "label":tf.train.Feature(int64_list = tf.train.Int64List(value = [index])),
                                                                           "img_raw": tf.train.Feature(bytes_list = tf.train.BytesList(value = [dr_image])),                                                               }))
            writer.write(exmple.SerializeToString())

        writer.close()

def put_fileinfo_queue(data_path):
　　#将文件放进队列中
    file_queue = tf.train.string_input_producer([data_path])

    reader = tf.TFRecordReader()
    key,value = reader.read(file_queue)
    features = tf.parse_single_example(value,features={"label":tf.FixedLenFeature([],tf.int64),
                                                       "img_raw":tf.FixedLenFeature([],tf.string)})#这个要和以前的同样才能更好的读取数据
    img = tf.decode_raw([features["img_raw"]],tf.uint8)#要与存入数据的时候，一致
    img = tf.cast(img,tf.float32)#而后咱们能够转化为tf.float32
    img = tf.reshape(img,[128,128,3])#图片是三通道的
    lebal = tf.cast(features["label"],tf.int32)

    return img,lebal

def batch_size(img,label):
    #将图片的信息分批化
    image,label=tf.train.shuffle_batch([img,label],batch_size=2,capacity=3,min_after_dequeue=2)
    return image,label

init = tf.global_variables_initializer()
if __name__=="__main__":
    photo_path="E:\\temporary"
    handle_data(photo_path)
    file = os.listdir("E:\\da")
    for i in file:
        filepath = os.path.join("E:\\da",i)
    img,label   = put_fileinfo_queue(filepath)
    image,label = batch_size(img,label)
    with tf.Session()as sess:
        sess.run(init)
        coord = tf.train.Coordinator()
        threads = tf.train.start_queue_runners(coord=coord)
        for i in range(3):
            print(sess.run([image,label]))
        coord.request_stop()
        coord.join()
代码的思路：

图片分批处理的方式：
(1)、制做数据集（文件扩展名为：tfrecord)
一、经过tf.python_io.TFRecordWriter(地址)返回一个做者对象
二、读取图片地址
三、经过地址将文件信息读取出来
四、从新设置一下图片的大小
五、将文件信息转化为二进制
六、将全部关于图片的东西转化为一个例子
七、将例子序列化
八、将例子写入文件
九、让做者休息
(2)、将数据集放入队列中
一、建立能读取文件内容的对象
二、调用对象中的阅读函数
三、使用阅读函数返回的value值
四、调用能返回字典（包含文件信息，名字）对象
五、将read读取的二进制转化了
六、这里注意再转码时候，要与以前的类型要同样，所以decode_raw函   数的第二参数是：tf.uint8.
七、记住转化为咱们以前的图片的形式，即为三通道的图片
八、转化图片信息的张量
九、转化标签类型
十、调用将文件而且与文件相对应的标签分批处理
十一、因为他们是使用线程的方式调用，所以咱们须要用到线程