使用Tensorflow从CSV文件加载图像和标签

Question

我一直在尝试让TensorFlow io api今早开始工作。

经过一些研究，我设法读取了数据，但是出队时我无法正确绑定图像和标签。

这是我写的代码：

# load csv content
csv_path = tf.train.string_input_producer(['list1.csv', 'list2.csv'])
textReader = tf.TextLineReader()
_, csv_content = textReader.read(csv_path)
im_name, label = tf.decode_csv(csv_content, record_defaults=[[""], [1]])

# load images
im_content = tf.read_file(im_dir+im_name)
image = tf.image.decode_png(im_content, channels=3)
image = tf.cast(image, tf.float32) / 255.
image = tf.image.resize_images(image, 640, 640)

# make batches
im_batch, lb_batch = tf.train.batch([image, label], batch_size=batch)

im_batch和lb_batch的顺序混乱了（图像绑定到随机标签）。

知道发生了什么事吗？ 谢谢。

Answer 1

您列出的代码没有问题。

im_batch, lb_batch = tf.train.batch([image, label], batch_size=batch)

上面的行将图像和标签绑定到同一队列，因此，无论何时在im_batch或lb_batch上执行操作，该队列都会从另一个队列中弹出一批数据单元。 因此，常见的错误可能是分别调用im_batch.eval（）和lb_batch.eval（）：

# this is wrong
images = im_batch.eval()
labels = lb_batch.eval()

调用im_batch.eval（）后，lb_batch也弹出相同数量的数据单元，因为它们绑定在一个队列中。 因此，当紧接着调用lb_batch.eval（）时，它实际上给出了下一批的标签。

正确的方法是将im_batch和lb_batch放入图或sess.run（）操作列表的单元操作中：

1. 这是对的

   损失= your_network_model（im_batch，lb_batch）loss.eval（）

2。

# this is correct
images, labels = sess.run([im_batch, lb_batch])