这对一些人来说应该很简单，但我对Tensorflow还比较陌生，我的所有研究都让我看到了成千上万行的代码，我只是想知道是否有更简单的初学者替代方案。我有一个想法，输入一个200×260的彩色图像，输出一个1到10之间的one-hot向量。我意识到这与MNIST非常相似，但Tensorflow没有任何关于mnist库如何将其图像转换为可用形式的文档。有人有任何想法可以将大约200张图像的文件夹（是的，我知道，这很小）转换为可用形式吗？我已经有了我的one-hot向量。另外，我设置了占位符形状为tf.placeholder(tf.float32,[None, 200, 260, 3])，这可以吗？我真的希望能保持颜色。感谢任何建议！

回答：

首先，您可以使用skimage中的imread导入所有图像

例如：

my_image = skimage.io.imread('./path/myimage.png')

然后，如果所有图像都符合您所需的尺寸（200×260），您可以通过将它们全部除以255来进行归一化（归一化为0到1之间的值）。如果不是，您可以使用skimage中的resize，这将自动为您调整大小和归一化图像。

例如

my_image = skimage.transform.resize(my_image, (200, 260))

为了可视化，您可以使用matplotlib.pyplot中的imshow来绘制图像。

对于Tensorflow中内置的方便的next_batch函数，您可以使用以下代码

i = 0def next_batch(batch_size):    x = training_images[i:i + batch_size]    y = training_labels[i:i + batch_size]    i = (i + batch_size) % len(training_images)    return x, y

然后您可以创建您的CNN并训练图像。您为X创建的占位符看起来是正确的。