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。

1、生成tfrecord文件

import os import numpy as np import tensorflow as tf from PIL import Image filenames = [ '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bytes	image_data = image_data.tobytes()	#读取label	label = 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())

2、读取tfrecord文件

import tensorflow as tf import matplotlib.pyplot as plt from 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label label = 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，请关注亿速云行业资讯频道，感谢大家的支持。