《tensorflow》那本书以上来就是这个，刚看的时候一下子还没理解它：
message Example{ Features features = 1; ＃Features是一个字典，key是string类型的，value是Feature。Feature的取值有好几种，下面列出来了。 }; message Features{ map
feature = 1; ＃看，map：
。 feature这里取了值1. }; ＃这个就是feature的可能取值了。 message Feature{ oneof kind{ BytesList bytes_list = 1; ＃上面的 feature = 1，也就是把数据存为bytes类型了。。。这个后面会细讲，别急。 FloatList float_list = 2; Int64List int64_list = 3; } };
这样理解吧：这个Example里弄个字典，key是你所存数据的名字，比如：image、label啊之类的，名字是string类型的，这很好理解啊，看像这样：‘image’ ‘label’ 这可不是string嘛。。。然后value给的是存进数据来，被转化为的格式的情况：1代表 BytesList、2代表 FloatList 。。。就是这样了。
实际的存储栗子：
#生成整数型的属性（feature） def _int64_feature(value): ＃（注意这个函数，下面有用到的。。。） return tf.train.Feature(int64_list=tf.train.Int64List(value=[value])) #生成字符串型的属性（feature） def _bytes_feature(value): ＃（注意这个函数，下面有用到的。。。） return tf.train.Feature(bytes_list=tf.train.BytesList(value=[value])) def convert(images,labels,name): #获取要转换为TFRecord文件的图片数目 num = images.shape[0] #输出TFRecord文件的文件名 filename = name+'.tfrecords' print('Writting',filename) writer = tf.python_io.TFRecordWriter(filename) ＃创建一个writer来写TFRecord文件 for i in range(num): #将图像矩阵转化为一个字符串 tostring()函数。 img_raw = images[i].tostring() ＃img_raw是转成string的编码后的图像。 #将一个样例转化为Example Protocol Buffer，并将所有需要的信息写入数据结构 example = tf.train.Example(features=tf.train.Features(feature={ 'label': _int64_feature(int(labels[i])), ＃调用上面的_int64_feature（）函数。 'image_raw': _bytes_feature(img_raw)})) ＃调用上面的_bytes_feature（）函数。 #将example写入TFRecord文件 writer.write(example.SerializeToString()) writer.close() print('Writting End')
嗯，以上是存成tfrecord，然后是读取：
def read_and_decode(filename_queue): reader = tf.TFRecordReader() #创建一个reader来读取TFRecord文件中的样例 #从文件中读出一个样例 _,serialized_example = reader.read(filename_queue) #解析读入的一个样例 features = tf.parse_single_example(serialized_example,features={ 'label':tf.FixedLenFeature([],tf.int64), 'image_raw':tf.FixedLenFeature([],tf.string) }) #将字符串解析成图像对应的像素数组 image = tf.decode_raw(features['image_raw'],tf.uint8) ＃tf.decode_raw（）函数，解码图像，转为数组形式。 label = tf.cast(features['label'],tf.int32) ＃tf.cast（）函数，类型转换，转换成tf.int32. image.set_shape([IMG_PIXELS]) image = tf.reshape(image,[IMG_HEIGHT,IMG_WIDTH,IMG_CHANNELS]) image = tf.cast(image, tf.float32) * (1. / 255) - 0.5 return image,label
ok，以上，有了新的理解会再来补充，欢迎大家指正。。。
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请联系我们举报，一经查实，本站将立刻删除。
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/211464.html原文链接：https://javaforall.net
