Hi 有个跟哔哩哔哩教程无关的数据处理问题

[JcmeLs]

Hi,哲的王

我目前在做Android实时识别这块的APP，目前拿MNIST练手，发现理想环境下使用test data去评估模型，有99%的准确率，然后放在Android上实时识别或者拍照之后再识别，准确度不高，所以我想在train之前做data agumentation，然后发现

• tf.image.random_flip_left_right
• tf.image.random_brightness
• tf.image.random_contrast
• tf.image.per_image_standardization 这些方法都是接受3维矩阵，MNIST读出来的是4维的，这个我该要怎么处理。

Best Regards Jcme Ls

[CreatCodeBuild]

image[0] 应该可以解决

In general, numpy array 支持 multi slicing 语法

an_array[:, 10:20, :-10, None]

意思就是取这个数组的第一个维度所有，第二个维度10到20，第三个维度第一个到倒数第11个，第四个维度所有。

[JcmeLs]

@CreatCodeBuild 谢谢，我目前的做法是这样

batch = mnist.train.next_batch(100)
        for j in range(100):

            image=batch[0][j];
            shape=image.shape;

            image = image.reshape(28, 28, 1);

            image=tf.image.random_flip_left_right(image)
            image=tf.image.random_flip_up_down(image)
            image=tf.image.random_brightness(image,max_delta=63)
            image=tf.image.random_contrast(image,lower=0.2,upper=1.8)
            npimage=np.arange(0,784).reshape(28,28,1)
            with sess.as_default():
                npimage=image.eval()

            batch[0][j]=npimage.reshape(shape)

每个batch都这样处理，非常费时。。。就是想问有没有高效的方式 而且发现。。。。好像转出来的数据train不了。。accuracy一直0.098

[CreatCodeBuild]

可以考虑先预处理之后，把数据存起来。使用 scipy io savemat 函数。这样费时也只是一次性的。你也可以将数据分成8组，然后process并行。

On Thu, Feb 23, 2017 at 6:10 PM Jcmels notifications@github.com wrote:

谢谢，我目前的做法是这样

batch = mnist.train.next_batch(100) for j in range(100):

        image=batch[0][j];
        shape=image.shape;

        image = image.reshape(28, 28, 1);

        image=tf.image.random_flip_left_right(image)
        image=tf.image.random_flip_up_down(image)
        image=tf.image.random_brightness(image,max_delta=63)
        image=tf.image.random_contrast(image,lower=0.2,upper=1.8)
        npimage=np.arange(0,784).reshape(28,28,1)
        with sess.as_default():
            npimage=image.eval()

        batch[0][j]=npimage.reshape(shape)

每个batch都这样处理，非常费时。。。就是想问有没有高效的方式

— You are receiving this because you commented.

Reply to this email directly, view it on GitHub https://github.com/CreatCodeBuild/TensorFlow-and-DeepLearning-Tutorial/issues/18#issuecomment-282183332, or mute the thread https://github.com/notifications/unsubscribe-auth/AIga8t1J91fklQ4fmDo830f7M_KiLzx3ks5rfjwrgaJpZM4MJrPS .

[JcmeLs]

恩恩，正在做这部分，不过已经不用MNIST做了，用SVHN数据集，原理差不多

[CreatCodeBuild]

教程就是用的 SVHN。祝你好运。

[aguang1201]

偶然看到，不知道下面的方法能不能解决你的问题，用了tflearn img_aug = ImageAugmentation() img_aug.add_random_rotation(20.0)

Network

x = tflearn.input_data(shape=[None, 224, 224, 3], name='input',data_augmentation=img_aug)