TensorFlow基础（十二）——制作tfrecord训练集

最新推荐文章于 2021-06-28 10:24:09 发布

原创

最新推荐文章于 2021-06-28 10:24:09 发布 · 1k 阅读

5 ·

CC 4.0 BY-SA版权

本文介绍了如何将TensorFlow的TFRecord格式转换为图片，详细讲解了读取TFRecord文件的三个步骤：使用TFRecordReader读取文件，通过tf.parse_single_example解析，以及用tf.decode_raw解码。还提供了注意事项，包括如何指定读取图片的起始位置，避免重复读取，以及在代码中处理TFRecord数据集的方法。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

学习这部分可以先看《你可能无法回避的 TFRecord 文件格式详细讲解》对tfrecord的基本格式有个大概的了解

之后可以结合《Slim读取TFrecord文件》来看本博客

tensorflow 的tfrecord格式转为图片：

总的来说只有3步：

1.读取tfrecords，只是读取器变成了tf.TFRecordReader来读取tfrecord文件。
2.通过一个解析器tf.parse_single_example ，解析这个特殊的tfrecord格式文件。
3.然后用解码器 tf.decode_raw 解码。

从tf中读图片代码：

# -*- coding: utf-8 -*-

import tensorflow as tf 
from PIL import Image  

#写入将要保存图片路径，需要自己手动新建文件夹
swd = './tfrecord2pic'+'/'
#TFRecord文件路径，只能打开某一个具体的tfrecord,有多个那就改一下咯。
data_path = './traindata.tfrecords-003'
# 获取文件名列表
data_files = tf.gfile.Glob(data_path)
# 文件名列表生成器
filename_queue = tf.train.string_input_producer(data_files,shuffle=True) 

reader = tf.TFRecordReader()

#上一篇说了，tfrecord格式数据度保存在值里面，即serialized_example，所以键不管

_, serialized_example = reader.read(filename_queue)   #返回文件名和文件
features = tf.par