tensorflow之tf.record实现存浮点数数组
因为最近打算转战Tensorflow,我将自己的脑部肿瘤分割课题从caffe转移到tensorflow上去
然后我将数据存到Tf.record里面去，出现来不收敛，以及精度上不去的等现象。
最终原因是：数据存入tf.record,我转为二进制也就是使用来tobytes()函数，再将数据存入tf.record,浮点数以二进制存入会有精度丢失问题。
其实：当发现这个精度上不去的现象之后，我第一反应就是是不是精度丢失，然后上网跟别人交流，告诉我不可能是精度丢失，不信让我输出来看，结果我输出来看后，发现数值确实没有变化，所以就放弃来这个精度丢失的方向，转而去找别的方向，结果几经周折，无果之后，再来尝试这个，发现，确实是转为二进制导致来精度丢失（确实浪费来我很多精力，甚至一度想放弃）。
经验教训：跟别人交流，一定要保持理性，可以尝试别人的方法，但是不能丢掉自己的想法，因为没有人比你自己更了解你的项目。
下面来讲讲，如何将浮点数组存进tf.record:简单记录，不懂可以评论：
importtensorflowastf
importnumpyasnp
def_floats_feature(value):
#这里的value=后面没有括号
#千万不要写成returntf.train.Feature(float_list=tf.train.FloatList(value=[value]))
returntf.train.Feature(float_list=tf.train.FloatList(value=value))
#datayouwouldliketosave,dtype=float32
#这里我生成了一个浮点数数组，来假定作为我的数据
data=np.random.randn(shape=(5,5))
#这里一定要铺平，不然存不进去
data=data.flatten()
#opentfrecordfile
writer=tf.python_io.TFRecordWriter(train_data_path)
#maketrainexample
example=tf.train.Example(features=tf.train.Features(
feature={'data':_floats_feature(data)}))
#writeonthefile
writer.write(example.SerializeToString())
这就是存数据了，下一步读取数据，一定要注意将原来铺平的数据reshape为原来的形状。
#opentfrecorderreader
reader=tf.TFRecordReader()
#readfile
_,serialized_example=reader.read(filename_queue)
#readdata
features=tf.parse_single_example(serialized_example,
features={'data':tf.VarLenFeature(tf.float32)})
#makeitdensetensor
data=tf.sparse_tensor_to_dense(features['data'],default_value=0)
#reshape
data=tf.reshape(data,[5,5])
returntf.train.batch(data,batch_size,num_threads,capacity)
以上这篇tensorflow之tf.record实现存浮点数数组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。