我已将图片及其标签的目录转换为TFRecords文件，功能图包括image_raw，label，height，width和{{1} }。功能如下：
depth现在，我想阅读这个TFRecords文件来提供输入管道。但是，由于def convert_to_tfrecords(data_samples, filename):
def _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]))
writer = tf.python_io.TFRecordWriter(filename)
for fname, lb in data_samples:
im = cv2.imread(fname, cv2.IMREAD_UNCHANGED)
image_raw = im.tostring()
feats = tf.train.Features(
feature =
{
'image_raw': _bytes_feature(image_raw),
'label': _int64_feature(int(lb)),
'height': _int64_feature(im.shape[0]),
'width': _int64_feature(im.shape[1]),
'depth': _int64_feature(im.shape[2])
}
)
example = tf.train.Example(features=feats)
writer.write(example.SerializeToString())
writer.close()
已被展平，我们需要将其重塑为原始image_raw大小。那么如何从TFRecords文件中获取[height, width, depth]，height和width的值？似乎以下代码无法工作，因为depth是没有值的Tensor。
height当我阅读Tensorflow的官方文档时，我发现它们通常会传到一个已知的大小，说def read_and_decode(filename_queue):
reader = tf.TFRecordReader()
_, serialized_example = reader.read(filename_queue)
feats = {
'image_raw': tf.FixedLenFeature([], tf.string),
'label': tf.FixedLenFeature([], tf.int64),
'height': tf.FixedLenFeature([], tf.int64),
'width': tf.FixedLenFeature([], tf.int64),
'depth': tf.FixedLenFeature([], tf.int64)
}
features = tf.parse_single_example(serialized_example, features=feats)
image = tf.decode_raw(features['image_raw'], tf.uint8)
label = tf.cast(features['label'], tf.int32)
height = tf.cast(features['height'], tf.int32)
width = tf.cast(features['width'], tf.int32)
depth = tf.cast(features['depth'], tf.int32)
image = tf.reshape(image, [height, width, depth]) # <== not work
image = tf.cast(image, tf.float32) * (1. / 255) - 0.5
return image, label
。但是，我不喜欢它，因为这些信息已存储到TFRecords文件中，并且手动传入固定大小无法确保大小与文件中存储的数据一致。
所有想法？
答案 0 :(得分：1)
height返回的tf.parse_single_example是Tensor，获取其价值的唯一方法是在其上调用session.run()或类似内容。但是，我觉得这太过分了。
由于Tensorflow示例只是一个协议缓冲区（请参阅文档），因此您不必使用tf.parse_single_example来读取它。您可以自己解析它并直接读取您想要的形状。
您可能还会考虑在Tensorflow的github问题跟踪器上提交功能请求---我同意这个API对于这个用例似乎有些尴尬。
答案 1 :(得分：1)
'tf.reshape'函数仅接受张量，而不接受张量列表，因此您可以使用以下代码：
image = tf.reshape(image, tf.stack([height, width, depth]))
答案 2 :(得分：0)
您还可以从张量中获取numpy数组，并使用np.resize（）进行整形，将尺寸作为参数传递