Question

我是tensorflow的新手，正在tensorflow服务示例中读取mnist_export.py。

这里有一些我无法理解的东西：

.wpcf7
{
    display: -moz-inline-stack;
    display: inline;
    zoom: 1;
    *display: inline;
}

上面，serialized_tf_example是一个Tensor。

我已阅读api文档tf.parse_example，但似乎sess = tf.InteractiveSession() serialized_tf_example = tf.placeholder(tf.string, name='tf_example') feature_configs = { 'x': tf.FixedLenFeature(shape=[784], dtype=tf.float32), } tf_example = tf.parse_example(serialized_tf_example, feature_configs) x = tf.identity(tf_example['x'], name='x') # use tf.identity() to assign name已序列化serialized原型如下：

Example

那么如何理解serialized = [ features { feature { key: "ft" value { float_list { value: [1.0, 2.0] } } } }, features { feature []}, features { feature { key: "ft" value { float_list { value: [3.0] } } } ]这里tf_example = tf.parse_example(serialized_tf_example, feature_configs)是一个张量，而不是serialized_tf_example原型？

Answer 1

此处serialized_tf_example是tf.train.Example的序列化字符串。有关用法，请参阅tf.parse_example。 Reading data章给出了一些示例链接。

tf_example.SerializeToString（）将tf.train.Example转换为字符串，tf.parse_example将序列化字符串解析为字典。

Answer 2

下面提到的代码提供了使用parse_example

的简单示例

import tensorflow as tf
sess = tf.InteractiveSession()
serialized_tf_example = tf.placeholder(tf.string, shape=[1], name='serialized_tf_example')
feature_configs = {'x': tf.FixedLenFeature(shape=[1], dtype=tf.float32)}
tf_example = tf.parse_example(serialized_tf_example, feature_configs)

feature_dict = {'x': tf.train.Feature(float_list=tf.train.FloatList(value=[25]))}
example = tf.train.Example(features=tf.train.Features(feature=feature_dict))
f = example.SerializeToString()


sess.run(tf_example,feed_dict={serialized_tf_example:[f]})

mnist导出示例中使用的tf.parse_example

2 个答案: