关于tf.TFRecordReader()函数的用法解析
(编辑：jimmy 日期: 2024/11/19 浏览：3 次 )
读取tfrecord数据
从TFRecords文件中读取数据， 首先需要用tf.train.string_input_producer生成一个解析队列。之后调用tf.TFRecordReader的tf.parse_single_example解析器。
如下图：
解析器首先读取解析队列，返回serialized_example对象，之后调用tf.parse_single_example操作将Example协议缓冲区(protocol buffer)解析为张量。
简单来说，一旦生成了TFRecords文件，接下来就可以使用队列（queue）读取数据了。
def read_and_decode(filename):
#根据文件名生成一个队列
filename_queue = tf.train.string_input_producer([filename])
reader = tf.TFRecordReader()
_, serialized_example = reader.read(filename_queue) #返回文件名和文件
features = tf.parse_single_example(serialized_example,
features={
'label': tf.FixedLenFeature([], tf.int64),
'img_raw' : tf.FixedLenFeature([], tf.string),
})
img = tf.decode_raw(features['img_raw'], tf.uint8)
img = tf.reshape(img, [224, 224, 3])
img = tf.cast(img, tf.float32) * (1. / 255) - 0.5
label = tf.cast(features['label'], tf.int32)
return img, label
举例：
下面代码是我的程序中利用TFRecord读取格式时的代码：
这部分只要使用对应的代码就可以，主要是知道咋回事。
以上这篇关于tf.TFRecordReader()函数的用法解析就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持。
下一篇：将数据集制作成VOC数据集格式的实例