tf.image.convert_image_dtype使用注意事项

问题：

在使用tf.image.convert_image_dtype方法将一个uint类型的tensor转换为float类型时，该方法会自动对数据进行归一化处理，将数据缩放到0-1范围内，如果没有注意到这点，之后在进行网络训练时会发现网络不收敛、不训练。

示例：

1、读取图像数据并显示

可以看到当前的数据类型为int，范围在0-255之间

2、使用tf.image.convert_image_dtype转换数据类型为float

可以看到经过转换后的数据范围在0-1之间，而且图像数据显示还是正常的，说明虽然进行了数据归一化，但是并没有破坏图像数据包含的信息。

这里需要注意的是，该方法已经对数据做了归一化处理，如果没有意识到这点，在训练网络时，如果再次进行归一化则会出现网络训练不收敛的情况。

解决办法：

1、使用tf.cast方法转换数据类型为float

 

 

可以看到此时数据类型已经转换为float，而且数据范围没有发生变化。（上面将数据转换为int32只是为了能够使用matplotlib进行图像显示）

2、将tensor转换为numpy数据，然后再转换numpy数组的类型

这里给出tensor和numpy数组想混转化的方法：