TFRecord 解析 3-D 特征

有几种方法可以做到这一点。一种是使用 BytesList 功能

def _bytes_feature(value):
  return tf.Train.Feature(
    bytes_list=tf.Train.bytesList(value=[value]))

另一个正在使用 FloatList 功能

def _float_feature(value):
  return tf.Train.Feature(
    float_list=tf.Train.FloatList(value=value))

示例：

import numpy as np
import tensorflow as tf


# make some data
img = np.random.normal(size=(5,3))
img = img.astype(np.float32)

writer = tf.io.TFRecordWriter("/tmp/data.tfrec")

example = tf.Train.Example(
  features=tf.Train.Features(
    feature = {
      "img_b": _bytes_feature(img.tobytes()),"img_f": _float_feature(img.flatten()),}))

writer.write(example.serializeToString())
writer.close()

def parse_fn(examplE):
  features = {
    "img_b": tf.io.FixedLenFeature([],tf.String),"img_f": tf.io.FixedLenFeature([5,3],tf.float32),}
  parsed_example = tf.io.parse_single_example(example,features)
  img_b = tf.io.decode_raw(
      parsed_example['img_b'],out_type=tf.float32)
  img_b = tf.reshape(img_b,(5,3))
  img_f = parsed_example['img_f']
  return img_b,img_f

让我们导入数据，看看它是否有效

dataset = tf.data.TFRecordDataset(["/tmp/data.tfrec"])
dataset = dataset.map(parse_fn).batch(1)

arr_b,arr_f = next(iter(dataset))

np.tesTing.assert_almost_equal(arr_b.numpy(),arr_f.numpy())
# passes

这假设您知道图像的形状并且它们都是相同的形状。