如何在TensorFlow中使用图像列表作为CNN的输入？

Question

我是TensorFlow的新手，我在使用列表作为CNN的输入时遇到了一个问题。在

假设我有4个列表：

• TrainingImage：这是一个包含我要训练的所有图像的列表，每个图像I都是BGR通道，所以我使用TrainingImage.append(I)将图像I放入该列表。在
• TrainingLabel：这是在TrainingImage中标记图像的列表，每一行都是一个热向量。例如，如果我有3个对象（1，2，3），每个对象有2个图像（这意味着TrainingImage有3 x 2=6个图像），那么我有一个标签列表，如：1，0，0；1，0；0，1，0；0，1，0；0，0，1；0，0，1
• TestingImage：包含所有要测试的图像的列表，类似于TrainingImage，但图像较少。在
• TestingLabel：所有标签为TestingImage的列表

我不知道如何在TensorFlow中将它用作CNN的输入。我使用下面的代码，每个图像的大小为68 x 68 x 3，我有17个对象，每个对象有64个图像用于训练，16个图像用于测试。在

with tf.Session() as sess:

data_initializer = tf.placeholder(tf.float32,
                                  (1088, 68, 68, 3))
label_initializer = tf.placeholder(tf.float32,
                                   (1088, 17))
input_data = tf.Variable(data_initializer, trainable=False, collections=[])
input_labels = tf.Variable(label_initializer, trainable=False, collections=[])

sess.run(input_data.initializer, feed_dict={data_initializer: TrainingImage})
sess.run(input_labels.initializer, feed_dict={label_initializer: TrainingLabel})

所以现在input_data和{}是我给CNN的新输入，但我不确定这是不是正确的方法？我通过以下TensorFlow指令使用上面的代码https://www.tensorflow.org/programmers_guide/reading_data#preloaded_data，将4个列表视为变量。在

Answer 1

是的，那就行了。我可以建议你

data_initializer = tf.placeholder(tf.float32,(1088, 68, 68, 3))

你用

^{pr2}$

这将允许您发送不同数量的图像，而不是总是必须发送1088个图像。在某个时候，你只想处理一个图像。在