Come convertire gli array di numpy in formato standard TensorFlow?

Question

Ho due array NumPy

• uno che contiene immagini captcha e
• un'altra che contiene le etichette corrispondenti (in un caldo formato vettoriale)

voglio caricare in tensorflow quindi posso classificarli usando una rete neurale. Come si può fare ?

Che forma devono avere gli array di numpy?

Informazioni aggiuntive - Mie immagini sono 60 (altezza) 160 (larghezza) pixel ciascuno e ciascuno di essi hanno 5 caratteri alfanumerici

Ogni etichetta è un 5 da 62 array.

Answer 1

È possibile utilizzare segnaposto e feed_dict.

Supponiamo di avere array NumPy come questi:

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

È possibile dichiarare due segnaposto:

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

Quindi, utilizzare questi segnaposto (X e Y) nel modello, costi, ecc .: model = tf.mul (X, w) ... Y ... ...

Infine, quando si esegue il modello/costo, nutrire gli array NumPy utilizzando feed_dict:

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

Answer 2

È possibile utilizzare tf.pack (tf.stack in tensorflow 1.0.0) Metodo per questo scopo. Ecco come imballare un'immagine casuale di tipo numpy.ndarray in un 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: per convertire un oggetto Python per un tensore è possibile utilizzare la funzione tf.convert_to_tensor.

Answer 3

È possibile utilizzare 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()