TensorFlow TFRecord

把mnist数据集另存为TFRecord格式

import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data
import numpy as npdef _int64_feature(value):return tf.train.Feature(int64_list=tf.train.Int64List(value=[value]))def _bytes_feature(value):return tf.train.Feature(bytes_list=tf.train.BytesList(value=[value]))mnist = input_data.read_data_sets("MNIST_data/", dtype=tf.uint8, one_hot=True)images = mnist.train.images
print(images.shape)
pixels = images.shape[1] #图像分辩率28*28=784
labels = mnist.train.labelsfilename = "MNIST_data/output.tfrecords"
writer = tf.python_io.TFRecordWriter(filename)num = mnist.train.num_examples
print(num)
for i in range(num):example = tf.train.Example(features=tf.train.Features(feature={'pixels':_int64_feature(pixels),'label':_int64_feature(np.argmax(labels[i])),'image_raw':_bytes_feature(images[i].tostring())}))writer.write(example.SerializeToString())
writer.close()

读TFRecord格式

import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data
import numpy as np#队列
queue = tf.train.string_input_producer(["MNIST_data/output.tfrecords"])reader = tf.TFRecordReader()
_, serialized_example = reader.read(queue)#解析数据，对应写入格式
features = tf.parse_single_example(serialized_example,features={'image_raw':tf.FixedLenFeature([], tf.string),'pixels':tf.FixedLenFeature([], tf.int64),'label':tf.FixedLenFeature([], tf.int64)} )images = tf.decode_raw(features['image_raw'], tf.uint8)
labels = tf.cast(features['label'], tf.int32)
pixels = tf.cast(features['pixels'], tf.int32)with tf.Session() as sess:coord = tf.train.Coordinator()#启动多线程输入数据threads = tf.train.start_queue_runners(sess=sess, coord=coord)for i in range(2):image, label, pixel = sess.run([images, labels, pixels])print(label)print(image.shape)print(pixel)

TensorFlow TFRecord相关推荐

Tensorflow—TFRecord文件生成与读取
Tensorflow-TFRecord文件生成与读取微信公众号:幼儿园的学霸个人的学习笔记,关于OpenCV,关于机器学习, -.问题或建议,请公众号留言; 目录文章目录 Tensorflow- ...
Tensorflow—tfrecord数据集生成与使用
参考内容: 数据读取的官方教程:Tensorflow导入数据以及使用数据 tfrecord数据集生成: 数据准备:图片数据+图片目录与label一一对应的的txt 先读取图片信息的txt文件,得到每个 ...
TensorFlow TFRecord数据集的生成与显示
##TFRecord## TensorFlow提供了TFRecord的格式来统一存储数据,TFRecord格式是一种将图像数据和标签放在一起的二进制文件,能更好的利用内存,在tensorflow中快速 ...
Tensorflow TFRecord: Can't parse serialized example
问题描述 InvalidArgumentError: Key: 'label'. Can't parse serialized Example. 保存tfrecord def save_tfrecor ...
TensorFlow框架案例实战
第1课 Tensorflow基础知识点1:计算图的概念与使用知识点2:张量的概念与使用知识点3:Tensorflow与session 实战项目:Tensorflow playground与非线性 ...
Apache Beam 使用指南（一）
Apache Beam 一.概述更多 Apache Beam 代码案例:https://github.com/xiye50070/Apache-Beam-Model.git Apache Beam是 ...
TensorFlow 制作自己的TFRecord数据集
TensorFlow 制作自己的TFRecord数据集准备图片数据网上下载了2类吉他和房子的图片, 全部 resize成64*64大小如下图, 保存项目下: 现在利用这2 类共108张图片制作 ...
Tensorflow 处理libsvm格式数据生成TFRecord (parse libsvm data to TFRecord)
#写libsvm格式数据 write libsvm #!/usr/bin/env python #coding=gbk # ===================================== ...
【TensorFlow】TFRecord数据集的制作：读取、显示及代码详解
在跑通了官网的mnist和cifar10数据之后,笔者尝试着制作自己的数据集,并保存,读入,显示. TensorFlow可以支持cifar10的数据格式, 也提供了标准的TFRecord 格式. te ...

TensorFlow TFRecord

TensorFlow TFRecord相关推荐

最新文章

热门文章