image和TFRecord互相转换

关说不练假把式。手上正好有车牌字符的数据集，想把他们写成TFRecord格式，然后读进来，构建一个简单的cnn训练看看。然后发现准确率只有0.0x。随机猜也比这要好点吧。只能一步步检查整个过程。暂时想到问题可能出现的地方：

• 数据编码解码错误
• 网络构建问题
• 学习步长问题
• 数据量太小
• label设置

不确定是不是这些问题先检查下，tensorboard能给我们很多信息。今天先检查了图片解码编码问题。在读取数据的时候为image增加一个summary，这样就能在tensorboard上看到图片了。

img=tf.summary.image('input',x,batch_size)

tensorboard的使用之前有说过。出现的结果说我没有图片记录，大约是这个意思。所以我的解码编码程序还是有问题。图片编码成tfreord无非就是把图片数据按照tfrecord的格式填进去。tfrecord是example的集合，example的格式：

message Example {#message类似于类
  Features features = 1;
};

而 Features 是字典集合，（key，value）。

下面直接上tfrecord编码解码代码，改好过的。

 import tensorflow as tf
 import numpy as np
 import glob
 import os
 from PIL import Image
 def _int64_feature(value):
     if not isinstance(value,list):
         value=[value]
     return tf.train.Feature(int64_list=tf.train.Int64List(value=value))
 def _byte_feature(value):
     return tf.train.Feature(bytes_list=tf.train.BytesList(value=[value]))
 def encode_to_tfrecords(data_path,name,rows=24,cols=16):#从图片路径读取图片编码成tfrecord
     folders=os.listdir(data_path)#这里都和我图片的位置有关
     folders.sort()
     numclass=len(folders)
     i=0
     npic=0
     writer=tf.python_io.TFRecordWriter(name)
     for floder in folders:
         path=data_path+"/"+floder
         img_names=glob.glob(os.path.join(path,"*.bmp"))
         for img_name in img_names:
             img_path=img_name
             img=Image.open(img_path).convert('P')
             img=img.resize((cols,rows))
             img_raw=img.tobytes()
             labels=[0]*34#我用的是softmax，要和预测值的维度一致
             labels[i]=1
             example=tf.train.Example(features=tf.train.Features(feature={#填充example
                 'image_raw':_byte_feature(img_raw),
                 'label':_int64_feature(labels)}))
             writer.write(example.SerializeToString())#把example加入到writer里，最后写到磁盘。
             npic=npic+1
         i=i+1
     writer.close()
     print npic

 def decode_from_tfrecord(filequeuelist,rows=24,cols=16):
     reader=tf.TFRecordReader()#文件读取
     _,example=reader.read(filequeuelist)
     features=tf.parse_single_example(example,features={'image_raw':#解码
             tf.FixedLenFeature([],tf.string),
             'label':tf.FixedLenFeature([34,1],tf.int64)})
     image=tf.decode_raw(features['image_raw'],tf.uint8)
     image.set_shape(rows*cols)
     image=tf.cast(image,tf.float32)*(1./255)-0.5
     label=tf.cast(features['label'],tf.int32)
     return image,label

 def get_batch(filename_queue,batch_size):
     with tf.name_scope('get_batch'):
         [image,label]=decode_from_tfrecord(filename_queue)
         images,labels=tf.train.shuffle_batch([image,label],batch_size=batch_size,num_threads=2,
                  capacity=100+3*batch_size,min_after_dequeue=100)
         return images,labels

 def generate_filenamequeue(filequeuelist):
     filename_queue=tf.train.string_input_producer(filequeuelist,num_epochs=5)
     return filename_queue

 def test(filename,batch_size):
     filename_queue=generate_filenamequeue(filename)
     [images,labels]=get_batch(filename_queue,batch_size)
     init_op = tf.group(tf.global_variables_initializer(),
                        tf.local_variables_initializer())
     sess=tf.InteractiveSession()
     sess.run(init_op)
     coord=tf.train.Coordinator()
     threads=tf.train.start_queue_runners(sess=sess,coord=coord)
     i=0
     try:
         while not coord.should_stop():
             image,label=sess.run([images,labels])
             i=i+1
             if i%1000==0:
                 for j in range(batch_size):#之前tfrecord编码的时候，数据范围变成[-0.5,0.5],现在相当于逆操作，把数据变成图片像素值
                     image[j]=(image[j]+0.5)*255
                     ar=np.asarray(image[j],np.uint8)
                     #image[j]=tf.cast(image[j],tf.uint8)
                     print ar.shape
                     img=Image.frombytes("P",(16,24),ar.tostring())#函数参数中宽度高度要注意。构建24×16的图片
                     img.save("/home/wen/MNIST_data/reverse_%d.bmp"%(i+j),"BMP")#保存部分图片查看
             '''if(i>710):
                 print("step %d"%(i))
                 print image
                 print label'''
     except tf.errors.OutOfRangeError:
         print('Done training -- epoch limit reached')
     finally:
     # When done, ask the threads to stop.
         coord.request_stop()

 # Wait for threads to finish.
     coord.join(threads)
     sess.close()

读取文件的动态图，来自官网教程：

在文件夹中：

在tensorboard里：

终于看见熟悉的图片了，现在数据编码解码没问题，效果依然0.0x。。。。

错误改掉一个少一个，接着检查其他部分。

debug过程中，一直在google，stackoverflow，官网documents，度娘略微鸡肋。

***********************************************************************************************************************************************************************************************

猜测是同类样本集中b并且同类数据多，用batch_shuffle装进来的都还是同类