文章說明

文章分段

1. 文章說明
2. deeplab的簡單介紹、於我的意義
3. tensorflow的程式碼特色
4. 訓練流程的細節
5. 逛deeplab的github程式，順序：train.py model.py datasets/data_generator.py …

前情提要

昨天把迴圈的前半部分，也就是讀取data的部分講完，接著講label讀取的部分。

逛deeplab的github程式(cont.)

build_voc2012_data.py (cont.)

• 124-126行把對應的label的檔名組合起來。
• 127行把檔案讀取、放進變數裡
• 128行用label的reader拿取label的長與寬。
  以上都跟data的資料處理方法一模一樣，接著129-130行是處理報錯問題，萬一data與label的尺寸不一樣，就會直接停止處理。

不過我通常的做法是用try and except的方式去處理，因為有時候資料集很大，難免會有錯誤，處理到一半失敗的話，前面處理所花的時間就白費了，所以我會用try去忽略掉不能用的資料點。

接著是把訓練用的資料：data影像、影像資訊(長、寬、名稱)、label這些，全部轉成一組tf example格式。

• build_data.py
  
  tf example是有規定的儲存格式，他要儲存的是多個tf features，而feature是一個python的dictionary格式。

  因為是dict，所以要指定'key 名稱'，然後儲存的資料必須是轉成byte的資料。

  這些名稱都可以自訂。

最後就把轉好的一個tf example轉成string後，再一筆一筆寫入tfrecord。