TFRecord文件查看包含的所有Features

TFRecord作为tensorflow中广泛使用的数据格式，它跨平台，省空间，效率高。因为 Tensorflow开发者众多，统一训练时数据的文件格式是一件很有意义的事情，也有助于降低学习成本和迁移成本。

但是TFRecord数据是二进制格式，没法直接查看。因此，如何能够方便的查看TFRecord格式和数据，就显得尤为重要了。

为什么需要查看TFReocrd数据？首先我们先看下常规的写入和读取TFRecord数据的关键过程。

# 1. 写入过程
# 一张图片，我写入了其内容，label，长和宽几个信息
tf_example = tf.train.Example(
        features=tf.train.Features(feature={
            'encoded': bytes_feature(encoded_jpg),
            'label': int64_feature(label),
            'height': int64_feature(height),
            'width': int64_feature(width)}))

# 2. 读取过程
# 定义解析的TFRecord数据格式
def _parse_image(example_proto):
     features = {'encoded':tf.FixedLenFeature((),tf.string),
    'label': tf.FixedLenFeature((), tf.int64),
    'height': tf.FixedLenFeature((), tf.int64),
    'width': tf.FixedLenFeature((), tf.int64)
}
return tf.parse_single_example(example_proto, features)

# TFRecord数据按照Feature解析出对应的真实数据
ds = ds.map(lambda x : _parse_image(x), num_parallel_calls=4)

上面是一个标准的TFRecord数据的写入和读取部分过程，大家应该发现了，读取TFRecord数据的时候，得知道TFRecord数据保存的属性名和类型，任何一项不匹配，都会导致无法获取数据。

如果数据的写入和读取都是自己一个人完成，那就没问题。但是如果写入和读取是跨团队合作时候，如果每次读取数据都得让对方给完整的属性名和属性类型，那效率就太低了。毕竟TFRecord数据已经包含了一切，自己动手丰衣足食。

那么怎么查看TFRecord数据呢？使用python tf.train.Example.FromString(serialized_example)方法，方法的入参是TFRecord包含的数据字符串。

然后，我直接将上诉查看的过程写成了一个py脚本，需要自取。

#!/usr/bin/python
# -*- coding: utf-8 -*-

import sys
import tensorflow as tf

# 用法：python trackTFRecord.py True file1 file2 
# trackTFRecord.py 就是当前这个py文件
# True 表示是否输出具体的数据
# file1 file2 表示的是需要查看的TFRecord文件的绝对路径
# 输出说明：tf.float32对应TFRecord的FloatList，tf.int64对应Int64List，tf.string对应BytesList
def main():
    print('TFRecord文件个数为{0}个'.format(len(sys.argv)-2))
    for i in range(2, len(sys.argv)):
        filepath = sys.argv[i]
        with tf.Session() as sess:
            filenames = [filepath]
            # 加载TFRecord数据
            ds = tf.data.TFRecordDataset(filenames)
            ds = ds.batch(10)
            ds = ds.prefetch(buffer_size=tf.contrib.data.AUTOTUNE)
            iterator = ds.make_one_shot_iterator()
            # 为了加快速度，仅仅简单拿一组数据看下结构
            batch_data = iterator.get_next()
            res = sess.run(batch_data)
            serialized_example = res[0]
            example_proto = tf.train.Example.FromString(serialized_example)
            features = example_proto.features
            print('{0} 信息如下：'.format(filepath))
            for key in features.feature:
                feature = features.feature[key]
                ftype = None
                fvalue = None
                if len(feature.bytes_list.value) > 0:
                    ftype = 'bytes_list'
                    fvalue = feature.bytes_list.value
                    
                if len(feature.float_list.value) > 0:
                    ftype = 'float_list'
                    fvalue = feature.float_list.value
                    
                if len(feature.int64_list.value) > 0:
                    ftype = 'int64_list'
                    fvalue = feature.int64_list.value
                
                result = '{0} : {1}'.format(key, ftype)
                if 'True' == sys.argv[1]:
                    result = '{0} : {1}'.format(result, fvalue)
                print(result) 

if __name__ == "__main__":
    main()

下面给大家实例演示，首先先随便找个图片，写入到TFRecord数据

import tensorflow as tf

filename = "/Users/zhanhaitao/Desktop/1.png"
# 使用tf.read_file读进图片数据
image = tf.read_file(filename)
# 主要是为了获取图片的宽高
image_jpeg = tf.image.decode_jpeg(image, channels=3, name="decode_jpeg_picture")
# reshape图片到原始大小2500x2000x3
image_jpeg = tf.reshape(image_jpeg, shape=(2500,2000,3))
# 获取图片shape数据
img_shape = image_jpeg.shape
width = img_shape[0]
height = img_shape[1]
# 将原图片tensor生成bytes对象， image将保存到tfrecord
sess = tf.Session()
image = sess.run(image)
sess.close()
# 定义TFRecords文件的保存路径及其文件名
path_none = "/Users/zhanhaitao/Desktop/a.tfrecord"
# 定义不同压缩选项的TFRecordWriter
writer_none = tf.python_io.TFRecordWriter(path_none, options=None)
# 将外层features生成特定格式的example
example_none = tf.train.Example(features=tf.train.Features(feature={
"float_val":tf.train.Feature(float_list=tf.train.FloatList(value=[9.99])),
"width":tf.train.Feature(int64_list=tf.train.Int64List(value=[width])),
"height":tf.train.Feature(int64_list=tf.train.Int64List(value=[height])),
"image_raw":tf.train.Feature(bytes_list=tf.train.BytesList(value=[image]))
}))
# example系列化字符串
example_str_none = example_none.SerializeToString()
# 将系列化字符串写入协议缓冲区
writer_none.write(example_str_none)

# 关闭TFRecords文件操作接口
writer_none.close()

print("finish to write data to tfrecord file!")

然后，使用上面的脚本看下这个TFRecord数据定义了哪些属性，以及对应的格式，先进入到脚本的目录下，因为图像数据内容太大，影响阅读，就只看属性名和type了：

python trackTFRecord.py False /Users/zhanhaitao/Desktop/a.tfrecord
# 结果，其中bytes_list对应tf.string，int64_list对应tf.int64 float_list对应tf.float32
# image_raw : bytes_list
# width : int64_list
# float_val : float_list
# height : int64_list