TensorFlow基础及数据读取

野性酷女 2021-12-19 00:34 246阅读 0赞

import  tensorflow as tf
    #去警告
    import os
    os.environ['TF_CPP_MIN_LOG_LEVEL']='2'
    """
    初始tensor
    """
    #定义一个常量
    # a=tf.constant(3.0,name='a')
    # b=tf.constant(3.0,name='b')
    #
    # ab_sum=tf.add(a,b)
    # print(a)
    # print(b)
    # print(ab_sum)
    # print(a.graph)
    # print(b.graph)
    # print(ab_sum.graph)
    """
    Tensor("a:0", shape=(), dtype=float32)
    Tensor("b:0", shape=(), dtype=float32)
    Tensor("Add:0", shape=(), dtype=float32)
    <tensorflow.python.framework.ops.Graph object at 0x00000000029C1B70>
    <tensorflow.python.framework.ops.Graph object at 0x00000000029C1B70>
    <tensorflow.python.framework.ops.Graph object at 0x00000000029C1B70>
    """
    
    #开启会话
    # with tf.Session() as ss:
    #     ab_sum=ss.run(ab_sum)
    #     print(ab_sum)#6.0
    
    
    """
    创建一个图
    """
    # g=tf.Graph()
    # with g.as_default():
    #     c=tf.constant(3.0)
    #     print(c.graph)
    #<tensorflow.python.framework.ops.Graph object at 0x000000000AB826A0>
    # with tf.Session() as ss:
    #     #参数1 路径吗 参数2 会话的图
    #     tf.summary.FileWriter('./summary/',graph=ss.graph)
    #     print(ss.run(ab_sum))
    
    
    """
    占位符的运用
    """
    # a=tf.constant(3.0,name='a')
    # b=tf.constant(3.0,name='b')
    # sum=tf.add(a,b)
    # plt=tf.placeholder(tf.float32,[None,2])
    # with tf.Session() as ss:
    # # with tf.Session(graph=g) as ss:#通过指定运行的图
    #     print(ss.run(plt,feed_dict={plt:[[1,2]]}))
    #     # print(ss.run(sum))#[[ 1.  2.]]
    
    
    """
    张量的创建
    """
    #创建全是0的张量
    # zero=tf.zeros([2,2],dtype=tf.int32)
    # print(zero)
    # with tf.Session() as ss:
    #     print(ss.run(zero))
    """
    Tensor("zeros:0", shape=(2, 2), dtype=int32)
    [[0 0]
     [0 0]]
    """
    #创建全是1的张量
    # one=tf.ones([2,3],dtype=tf.int32)
    # print(one)
    # with tf.Session() as ss:
    #     print(ss.run(one))
    """
    Tensor("ones:0", shape=(2, 3), dtype=int32)
    [[1 1 1]
     [1 1 1]]
    """
    #创建一个固定张量
    # a=tf.constant([2,3],dtype=tf.int32)
    # print(a)
    # with tf.Session()  as ss:
    #     print(ss.run(a))
    """
    Tensor("Const:0", shape=(2,), dtype=int32)
    [2 3]
    """
    #创建一个正态分布张量
    # zt=tf.random_normal([2,3],dtype=tf.float32)
    # with tf.Session() as ss:
    #     print(ss.run(zt))
    """
    [[-0.6866461  -0.77304178  1.66409624]
     [ 0.74826866  1.11028528 -0.47011787]]
    """
    
    """
    张量转化
    """
    #数据类型转化
    # tz=tf.zeros([2,3],dtype=tf.int32)
    #直接转化
    # tz=tf.to_float(tz)
    #推荐使用cast
    # tf.cast(tz,dtype=tf.float32,name='liu')
    
    #形状改变
    #set_shape静态转化  reshape 动态转化
    # plt=tf.placeholder(dtype=tf.int32,shape=[2,3])
    # plt=tf.placeholder(dtype=tf.int32,shape=[None,3])
    # plt.tf.set_shape([3,2])#不能使用set_shape不确定类型
    # plt.tf.set_shape([6,1])#不能跨纬度使用
    # plt.tf.set_shape([2,3])#只能将不确定类型转换成确定类型
    #reshape 动态转化
    # plt=tf.placeholder(dtype=tf.int32,shape=[2,3])
    # plt=tf.reshape(plt,[3,2])#可以改变
    # plt=tf.reshape(plt,[6,])#可以改变
    
    # with tf.Session() as ss:
        # a=ss.run(ten_zero)
        # print(a)
    
        # print(ss.run(plt,feed_dict={plt:[[1,2,3],[2,4,5]]}))
        # print(plt.shape)
    
    
    
    """
    变量op
    """
    #创建变量
    # var=tf.Variable(initial_value=tf.random_normal([2,4],mean=1,stddev=1.0,name='var'))
    # # print(var)
    # #重新赋值
    # var1=var.assign([[1,2,3,3],[1,2,4,4]])
    # var2=var.assign_add([[1,1,1,1],[1,1,1,1]])
    # #初始化op
    # op=tf.global_variables_initializer()
    # with tf.Session() as ss:
    #     ss.run(op)
    #     print(ss.run(var))
    #     print(ss.run(var1))
    #     print(ss.run(var2))
    """
    [[-0.11993039 -0.0412643   1.41142452  0.54881376]
     [ 1.62060905  2.6554234   1.64883089  0.57128757]]
    [[ 1.  2.  3.  3.]
     [ 1.  2.  4.  4.]]
    [[ 2.  3.  4.  4.]
     [ 2.  3.  5.  5.]]
    
    """
    
    """
    图片读取案例
    """
    """
    读取流程分析: 
    构造图片文件队列 - 
    读取图片数据并进行解码 - 
    处理图片数据形状，
    批处理返回 - 
    开启会话线程运行
    """
    
    def pic_read(file_list):
        #构建文件名队列
        file_queue=tf.train.string_input_producer(file_list)
    
        #进行构建读取器实例
        reader=tf.WholeFileReader()
    
        #读取内容
        key,value=reader.read(file_queue)
        # print(key)
        # print(value)
    
        #进行解码
        #图片内容为png
        image=tf.image.decode_png(value)
        # print(image)
    
        #改变大小选择合适的像素点
        image=tf.image.resize_images(image,[200,200])
        # print(image)
        #固定形状
        image.set_shape([200,200,3])
        # print(image)#Tensor("resize_images/Squeeze:0", shape=(200, 200, 3), dtype=float32)
    
        #批量处理 batch_size批次处理数量  num_threads线程数  capacity队列大小
        image_batch=tf.train.batch([image],batch_size=1,num_threads=1,capacity=1)
        # print(image_batch)#Tensor("batch:0", shape=(10, 200, 200, 3), dtype=float32)
    
        return image_batch
    
    
    if __name__ == '__main__':
        file_name=os.listdir('./colorize/')
        # print(file_name)
        #拼接路径
        file_list=[]
        for tmp in file_name:
            file_list.append(os.path.join('./colorize/',tmp))
        print(file_list)
        image_batch=pic_read(file_list)
        #
        # print(image_batch)
        # #创建线程调度器
        with tf.Session() as ss:
            # 创建线程调度器
            cd=tf.train.Coordinator()
            #开启线程处理
            threads=tf.train.start_queue_runners(sess=ss,coord=cd)
            print(ss.run(image_batch))
            # #询问是否停止
            cd.request_stop()
            #回收线程
            cd.join(threads)