图片目标识别检测分类避坑总结(Tensorflow2.0.0)

一、Eagertensor与numpy.array的转换

显示错误：AttributeError: ‘tensorflow.python.framework.ops.EagerTensor’ object has no attribute ‘np’

  Tensorflow2.0+版本下，Eager模式下的Tensor转换为nparray，如果直接用tensor.numpy()，会出现上面的错误，正确转换的方式是numpy.array(tensor)才对；顺便提一句，numpy转tensor的方法是tf.convert_to_tensor(numpy)

二、tf.io.read_file(path)与cv2.imread(path)

  Tensorflow2.0.0下读取图片路径，并生成Tensor的语句为：

img_raw = tf.io.read_file(image_path)
img_tensor = tf.image.decode_jpeg(img_raw, channels=3, dct_method='INTEGER_ACCURATE')

其中可能会有人发现读取出来的图片像素矩阵，与真实的图片像素矩阵是不同的，其实是因为tf.image.decode_jpeg方法中参数dct_method参数默认为" “，即默认使用DCT方法，牺牲了保真度以提高速度；因此与照片真实的像素矩阵会有不同；使用” INTEGER_ACCURATE "可以使得恢复旧版的行为，保持照片的真实像素点。
  Opencv读取图片路径，并生成Numpy的语句为：

img_raw = cv2.imread(image_path)

  必须指出的是，Tensorflow读取的图片Tensor是RGB格式的，而Opencv读取的图片BGR格式的，如果你训练时候是训练图片的RGB格式矩阵，但测试时候是使用的Opencv读取图片，则可能会出现错误的结果；Opencv将BGR转化为RGB的方法为：

frame = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)

或者

frame = frame[:, :, ::-1]