二、教你怎麽看source code，找到核心程序码 ep.20：总结一下第二篇每个ep在介绍什麽

文章说明

文章分段

1. 文章说明
2. deeplab的简单介绍、於我的意义 ep.1
3. tensorflow的程序码特色 ep.2
4. 训练流程的细节 ep.3
5. 逛deeplab的github程序，顺序：
   • train.py ep.4, ep.5, ep.6, ep.7
   • datasets/build_voc2012_data.py ep.8, ep.9, ep.11, ep.12
   • datasets/build_data.py ep.10
   • datasets/data_generator.py ep.13, ep.14, ep.15, ep.16
   • input_preprocess.py ep.17, ep.18, ep.19

第二篇走到现在一共花了20天的时间才差不多快讲完train与处理data的程序，在这期间遍历的程序顺序已经用每个文章的连结放在每个章节的後方。

这些程序讲解的顺序等於实际执行时的顺序：

                用build_data等程序
               将资料集转为tfrecord
                      ↓

 从一开始             对已成为              (根据参数与资料
 train.py    ➔    tfrecord的资料集     ➔     进行训练)
引入训练参数           进行处理

                   ↪ 将资料从tfrecord解析、
                     进行前处理
                      ↑
                     撰写前处理程序

目前已经把「引入训练参数」、「将资料集转为tfrecord」、「前处理程序」这些部分讲完，中间的「对tfrecord资料集进行前处理」还剩下最後一点没有收尾。

前情提要

给大家回忆一下，前面花了三个ep讲解的input_preprocess是由data_generator呼叫的，且是由在data_generator里的_preprocess_image()method呼叫的。

所以呢，今天会绕回来讲data_generator.py的部分。

开始吧。

逛deeplab的github程序 (cont.)

datasets/data_generator.py (cont.)

回忆一下，我们当初就是在碰到286行这行程序，开启了ep.17，ep.18，ep.19的旅程，现在我们回来了，可以继续开始正史的部分(?)。

接下来是都是赋值给sample这个dict，更新训练资料。

• 301行更新data。
• 305行把原始影像也放入sample中，可能是想比较处理过後的影像与原影像的差别。
• 308行是更新label。

这个地方告诉我们，不需要的东西就丢一丢，放下，不要带太多没必要的东西。训练不需要的东西，就去掉。

将sample回传。这样_preprocess_image的处理也完成了。