介绍
本篇文章给大家分享的是有关如何正确的使用tf.TFRecordReader()函数,小编觉得挺实用的,因此分享给大家学习,希望大家阅读完这篇文章后可以有所收获,话不多说,跟着小编一起来看看吧。
<强>读取tfrecord数据强>
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的特遣部队。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操作将例子协议缓冲区(protocol buffer)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(队列)读取数据了。
def read_and_decode(文件名): #才能根据文件名生成一个队列 时间=filename_queue 才能;tf.train.string_input_producer((文件名)) 时间=reader 才能;tf.TFRecordReader () _,才能,serialized_example =, reader.read (filename_queue),, #返回文件名和文件 时间=features 才能;tf.parse_single_example (serialized_example, ,,,,,,,,,,,,,,,,,,,={特性 ,,,,,,,,,,,,,,,,,,,,,& # 39;标签# 39;:,tf.FixedLenFeature ([], tf.int64), ,,,,,,,,,,,,,,,,,,,,,& # 39;img_raw& # 39;,:, tf.FixedLenFeature ([], tf.string), ,,,,,,,,,,,,,,,,,,,}) img 才能=,tf.decode_raw(特性[& # 39;img_raw& # 39;],, tf.uint8) img 才能=,tf.reshape (img,, (224,, 224,, 3]) img 才能=,tf.cast (img, tf.float32), *,(1只/,255),安康;0.5 label 才能=,tf.cast(特性[& # 39;标签# 39;],,tf.int32) return 才能,img,标签
<强>举例:强>
下面代码是我的程序中利用TFRecord读取格式时的代码:
以上就是如何正确的使用tf.TFRecordReader()函数,小编相信有部分知识点可能是我们日常工作会见到或用到的。希望你能通过这篇文章学到更多知识。更多详情敬请关注行业资讯频道。