16

我正在遵循本指南。

它展示了如何使用以下方法从新的 TensorFlow 数据集中下载数据集tfds.load()：

import tensorflow_datasets as tfds    
SPLIT_WEIGHTS = (8, 1, 1)
splits = tfds.Split.TRAIN.subsplit(weighted=SPLIT_WEIGHTS)

(raw_train, raw_validation, raw_test), metadata = tfds.load(
    'cats_vs_dogs', split=list(splits),
    with_info=True, as_supervised=True)

接下来的步骤展示了如何使用 map 方法将函数应用于数据集中的每个项目：

def format_example(image, label):
    image = tf.cast(image, tf.float32)
    image = image / 255.0
    # Resize the image if required
    image = tf.image.resize(image, (IMG_SIZE, IMG_SIZE))
    return image, label

train = raw_train.map(format_example)
validation = raw_validation.map(format_example)
test = raw_test.map(format_example)

然后访问我们可以使用的元素：

for features in ds_train.take(1):
  image, label = features["image"], features["label"]

或者

for example in tfds.as_numpy(train_ds):
  numpy_images, numpy_labels = example["image"], example["label"]

但是，该指南没有提及有关数据增强的任何内容。我想使用类似于 Keras 的 ImageDataGenerator 类的实时数据增强。我尝试使用：

if np.random.rand() > 0.5:
    image = tf.image.flip_left_right(image)

和其他类似的增强功能，format_example()但是，我如何验证它正在执行实时增强而不是替换数据集中的原始图像？

batch_size=-1我可以通过传递到tfds.load()然后使用将完整的数据集转换为 Numpy 数组，tfds.as_numpy()但是，这会将所有不需要的图像加载到内存中。我应该能够train = train.prefetch(tf.data.experimental.AUTOTUNE)为下一个训练循环加载足够的数据。

4

1 回答 1

19

你是从错误的方向来解决问题的。

首先，使用 下载数据tfds.load，cifar10例如（为简单起见，我们将使用默认TRAIN和TEST拆分）：

import tensorflow_datasets as tfds

dataloader = tfds.load("cifar10", as_supervised=True)
train, test = dataloader["train"], dataloader["test"]

（您可以使用自定义tfds.Split对象来创建验证数据集或其他，请参阅文档）

train和test是tf.data.Dataset对象，因此您可以使用、map和类似的功能。applybatch

下面是一个示例，我将（tf.image主要使用）：

  • 将每个图像转换tf.float64为0-1范围内（不要使用官方文档中的这个愚蠢的片段，这样可以确保正确的图像格式）
  • cache()结果，因为这些可以在每个之后重复使用repeat
  • 随机翻转left_to_right每个图像
  • 随机改变图像的对比度
  • 洗牌数据和批处理
  • 重要提示：当数据集用完时重复所有步骤。这意味着在一个 epoch 之后，所有上述转换都将再次应用（缓存的转换除外）。

这是执行上述操作的代码（您可以将lambdas 更改为仿函数或函数）：

train = train.map(
    lambda image, label: (tf.image.convert_image_dtype(image, tf.float32), label)
).cache().map(
    lambda image, label: (tf.image.random_flip_left_right(image), label)
).map(
    lambda image, label: (tf.image.random_contrast(image, lower=0.0, upper=1.0), label)
).shuffle(
    100
).batch(
    64
).repeat()

这样tf.data.Dataset可以直接传递给 Keras 的fit,evaluate和predict方法。

验证它实际上是这样工作的

我看你对我的解释很怀疑，我们来看一个例子：

1. 获取一小部分数据

这是获取单个元素的一种方法，公认的不可读和不直观，但如果你对它做任何事情，你应该没问题Tensorflow：

# Horrible API is horrible
element = tfds.load(
    # Take one percent of test and take 1 element from it
    "cifar10",
    as_supervised=True,
    split=tfds.Split.TEST.subsplit(tfds.percent[:1]),
).take(1)

2.重复数据，检查是否相同：

使用Tensorflow 2.0一个实际上可以在没有愚蠢的解决方法的情况下做到这一点（几乎）：

element = element.repeat(2)
# You can iterate through tf.data.Dataset now, finally...
images = [image[0] for image in element]
print(f"Are the same: {tf.reduce_all(tf.equal(images[0], images[1]))}")

不出所料，它会返回：

Are the same: True

3.用随机增强检查每次重复后数据是否不同

在代码片段repeat的单个元素下面 5 次并检查哪些是相同的，哪些是不同的。

element = (
    tfds.load(
        # Take one percent of test and take 1 element
        "cifar10",
        as_supervised=True,
        split=tfds.Split.TEST.subsplit(tfds.percent[:1]),
    )
    .take(1)
    .map(lambda image, label: (tf.image.random_flip_left_right(image), label))
    .repeat(5)
)

images = [image[0] for image in element]

for i in range(len(images)):
    for j in range(i, len(images)):
        print(
            f"{i} same as {j}: {tf.reduce_all(tf.equal(images[i], images[j]))}"
        )

输出（在我的情况下，每次运行都会不同）：

0 same as 0: True
0 same as 1: False
0 same as 2: True
0 same as 3: False
0 same as 4: False
1 same as 1: True
1 same as 2: False
1 same as 3: True
1 same as 4: True
2 same as 2: True
2 same as 3: False
2 same as 4: False
3 same as 3: True
3 same as 4: True
4 same as 4: True

您也可以将这些图像中的每一个投射到，numpy并使用或其他替代方法为您自己查看图像。skimage.io.imshowmatplotlib.pyplot.imshow

实时数据增强可视化的另一个例子

这个答案提供了一个更全面、更易读的关于使用Tensorboardand的数据增强的观点MNIST，可能想检查一下（是的，无耻的插件，但我猜很有用）。

于 2019-04-09T17:22:04.683 回答