怎么在tensorflow中读取tfrecord文件

今天就跟大家聊聊有关怎么在Tensorflow中读取tfrecord文件，可能很多人都不太了解，为了让大家更加了解，小编给大家总结了以下内容，希望大家根据这篇文章可以有所收获。

生成tfrecord文件

import osimport numpy as npimport tensorflow as tffrom PIL import Imagefilenames = ['images/cat/1.jpg','images/cat/2.jpg','images/dog/1.jpg','images/dog/2.jpg','images/pig/1.jpg','images/pig/2.jpg',]labels = {'cat':0, 'dog':1, 'pig':2}def int64_feature(values):if not isinstance(values, (tuple, list)):values = [values]return tf.train.Feature(int64_list=tf.train.Int64List(value=values))def bytes_feature(values):return tf.train.Feature(bytes_list=tf.train.BytesList(value=[values]))with tf.Session() as sess:output_filename = os.path.join('images/train.tfrecords')with tf.python_io.TFRecordWriter(output_filename) as tfrecord_writer:for filename in filenames:#读取图像image_data = Image.open(filename)#图像灰度化image_data = np.array(image_data.convert('L'))#将图像转化为bytesimage_data = image_data.tobytes()#读取labellabel = labels[filename.split('/')[-2]]#生成protocol数据类型example = tf.train.Example(features=tf.train.Features(feature={'image': bytes_feature(image_data),'label': int64_feature(label)}))tfrecord_writer.write(example.SerializeToString())

读取tfrecord文件

import tensorflow as tfimport matplotlib.pyplot as pltfrom PIL import Image# 根据文件名生成一个队列filename_queue = tf.train.string_input_producer(['images/train.tfrecords'])reader = tf.TFRecordReader()# 返回文件名和文件_, serialized_example = reader.read(filename_queue)features = tf.parse_single_example(serialized_example, features={'image': tf.FixedLenFeature([], tf.string), 'label': tf.FixedLenFeature([], tf.int64)})# 获取图像数据image = tf.decode_raw(features['image'], tf.uint8)# 恢复图像原始尺寸[高，宽]image = tf.reshape(image, [60, 160])# 获取labellabel = tf.cast(features['label'], tf.int32)with tf.Session() as sess:# 创建一个协调器，管理线程coord = tf.train.Coordinator()# 启动QueueRunner, 此时文件名队列已经进队threads = tf.train.start_queue_runners(sess=sess, coord=coord)for i in range(6):image_b, label_b = sess.run([image, label])img = Image.fromarray(image_b, 'L')plt.imshow(img)plt.axis('off')plt.show()print(label_b)# 通知其他线程关闭coord.request_stop()# 其他所有线程关闭之后，这一函数才能返回coord.join(threads)

看完上述内容，你们对怎么在tensorflow中读取tfrecord文件有进一步的了解吗？如果还想了解更多知识或者相关内容，请关注编程网精选频道，感谢大家的支持。