tensorflow使用误区与技巧

错误方法：

def data_format(sess, image_array, label_array, slice_array):
    train_image_array = []
    train_label_array = []
    for b in range(len(image_array)):
        for r in range(len(slice_array[b])):
            img = sess.run(tf.image.resize_images(
                image_array[b:b + 1, slice_array[b][r][0]:slice_array[b][r][2] + slice_array[b][r][0],
                slice_array[b][r][1]:slice_array[b][r][3] + slice_array[b][r][1], :], [32, 32], method=1))
            # print(img_slice)
            train_image_array.append(img[0])
            train_label_array.append(label_array[b][r])
    return np.asarray(train_image_array), np.asarray(train_label_array)

正确方法：

def data_format(sess, image_array, label_array, slice_array):
    train_image_array = []
    train_label_array = []
    i_x = tf.placeholder(tf.float32, shape=[1, None, None, 3], name="i_x")
    resize = tf.image.resize_images(i_x, size=[32, 32], method=1)
    for b in range(len(image_array)):
        for r in range(len(slice_array[b])):
            img = sess.run(resize, feed_dict={i_x:
                image_array[b:b + 1, slice_array[b][r][0]:slice_array[b][r][2] + slice_array[b][r][0],
                slice_array[b][r][1]:slice_array[b][r][3] + slice_array[b][r][1], :]})
            # print(img_slice)
            train_image_array.append(img[0])
            train_label_array.append(label_array[b][r])
    return np.asarray(train_image_array), np.asarray(train_label_array)

错误方法之所以是错误，是因为它定义了非常多的tensor（有多少次循环就定义了多少个tensor），定义出来的tensor是要加载到图里面去的，tensor节点多了，会导致图非常大（容易内存溢出），且图加载tensor节点非常耗时。

正确方法之所以正确，是因为它只定义了一个tensor，其他的只是不断重复执行这个tensor而已。所以图非常简单。

 

其次：

tensor里面放到的数据只能是多维数组（一维，二维，三维。。。），不能是其他数据结构类型