关于tf.TFRecordReader()函数的用法解析
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(protocolbuffer)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。
defread_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)
returnimg,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毛票票。
声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：czq8825#qq.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。