Как преобразовать массивы numpy в стандартный формат TensorFlow?

У меня есть два массива:

  • Тот, который содержит изображения капчи
  • Другой, содержащий соответствующие метки (в векторном формате)

Я хочу загрузить их в TensorFlow, чтобы я мог классифицировать их с помощью нейронной сети. Как это может быть сделано?

Какую форму должны иметь массивы?

Дополнительная информация - Мои изображения имеют размеры 60 (высота) на 160 (ширина) пикселей, каждое из которых содержит 5 буквенно-цифровых символов. Вот пример изображения:

sample image.

Каждая метка представляет собой массив 5 на 62.

ОТВЕТЫ

Ответ 1

Вы можете использовать tf.convert_to_tensor():

import tensorflow as tf
import numpy as np

data = [[1,2,3],[4,5,6]]
data_np = np.asarray(data, np.float32)

data_tf = tf.convert_to_tensor(data_np, np.float32)

sess = tf.InteractiveSession()  
print(data_tf.eval())

sess.close()

Ответ 2

Вы можете использовать tf.pack (tf.stack в TensorFlow 1.0.0) для этой цели. Вот как упаковать случайное изображение типа numpy.ndarray в Tensor:

import numpy as np
import tensorflow as tf
random_image = np.random.randint(0,256, (300,400,3))
random_image_tensor = tf.pack(random_image)
tf.InteractiveSession()
evaluated_tensor = random_image_tensor.eval()

UPDATE: чтобы преобразовать объект Python в Tensor, вы можете использовать tf.convert_to_tensor.

Ответ 3

Вы можете использовать заполнители и feed_dict.

Предположим, что у нас есть массивы numpy, подобные этим:

trX = np.linspace(-1, 1, 101) 
trY = 2 * trX + np.random.randn(*trX.shape) * 0.33

Вы можете объявить два заполнителя:

X = tf.placeholder("float") 
Y = tf.placeholder("float")

Затем используйте эти заполнители (X и Y) в своей модели, стоимость и т.д.:   model = tf.mul(X, w)... Y...   ...

Наконец, когда вы запустите модель/стоимость, подайте массивы numpy с помощью feed_dict:

with tf.Session() as sess:
.... 
    sess.run(model, feed_dict={X: trY, Y: trY})