在初涉tensorflow的時候，一般採用公開資料集進行訓練，對於資料集的格式以及讀取很不清楚，所以這裡給出tensorflow直接讀取影象序列的方法，自己進行資料集的構建。下面給出集中可以參考的方法。
一、單張圖片讀取
1.tensorflow的gfile讀取影象，matplotlib用於視覺化
使用tensorflow裡面給出了一個函式用來讀取影象，tf.gfile.FastGFile（‘path’， ‘rb’）.read()。讀取結果是最原始的影象，沒有經過解碼。如果要顯示讀入的影象，則學要解碼，tf.image.decode_jepg和tf.image.decode_png分別用於解碼jpg格式和png格式的影象，得到影象的畫素值，這個畫素值可以用於顯示影象。

import matplotlib.pyplot as plt
import tensorflow as tf
import numpy as np
image_raw = tf.gfile.FastGFile('00000011.jpg','rb').read()  #bytes，相對路徑
img = tf.image.decode_jpeg(image_raw)  #Tensor
with tf.Session() as sess:
    print(type(image_raw)) # bytes
    print(type(img)) # Tensor
    print(type(img.eval
 
())) # ndarray
    print(img.eval().shape)#(240,320,3)
    print(img.eval().dtype)#uint8
    plt.figure(1)
    plt.imshow(img.eval()) 
    plt.show()

結果：decode輸出是Tensor，eval後是ndarray

<class 'bytes'>
<class 'tensorflow.python.framework.ops.Tensor'>
<class 'numpy.ndarray'>
(240, 320, 3
 
)
uint8

圖1 讀取顯示的結果
2.tensorflow的WholeFileReader輸入queue
在之前的文章中也使用到了佇列讀取（http://blog.csdn.net/xuan_zizizi/article/details/78400839），差別在於讀取佇列的reader不一樣，這裡首先建立影象的輸入佇列，然後定義reader，讀取序列，讀取的進行解碼，再得到ndaarry。

import matplotlib.pyplot as plt
import tensorflow as tf     
import numpy as np     
path = '/home/zcm/tensorf/00000011.jpg'#絕對路徑
file_queue = tf.train.string_input_producer([path]) #建立輸入佇列
image_reader = tf.WholeFileReader()  #reader
_, image = image_reader.read(file_queue)  #reader讀取序列
image = tf.image.decode_jpeg(image)  #解碼，tensor
with tf.Session() as sess:  
    coord = tf.train.Coordinator() #協同啟動的執行緒  
    threads = tf.train.start_queue_runners(sess=sess, coord=coord) #啟動執行緒執行佇列  
    sess.run(image)
    print(type(image))#tensor
    coord.request_stop() #停止所有的執行緒  
    coord.join(threads)
    print(type(image.eval()))#ndarray
    print(image.eval().shape)#240×320×3
    print(image.eval().dtype)#uint8
    plt.figure(1)
    plt.imshow(image.eval()) 
    plt.show()

結果：decode輸出是Tensor，eval後是ndarray，顯示圖和圖1一樣，略

<class 'tensorflow.python.framework.ops.Tensor'>
<class 'numpy.ndarray'>
(240, 320, 3)
uint8

3.tensorflow的read_file，decode輸出是Tensor，eval後是ndarray
與方法1的gfile讀取差別不大，只是換了一個函式read_file

import matplotlib.pyplot as plt
import tensorflow as tf
import numpy as np
image_value = tf.read_file('00000011.jpg')#相對路徑，讀取
img = tf.image.decode_jpeg(image_value)#解碼
with tf.Session() as sess:
    print(type(image_value)) #tensor
    print(type(img)) # Tensor
    print(type(img.eval())) # ndarray 
    print(img.eval().shape)
    print(img.eval().dtype)
    plt.figure(1)
    plt.imshow(img.eval())
    plt.show()

結果：decode輸出是Tensor，eval後是ndarray，顯示圖和圖1一樣，略

<class 'tensorflow.python.framework.ops.Tensor'>
<class 'tensorflow.python.framework.ops.Tensor'>
<class 'numpy.ndarray'>
(240, 320, 3)
uint8