Tensorflow将uint8张量视为float32张量

Question

我有一堆自定义格式的训练示例文件，如加载到张量流模型，但我无法弄清楚如何有效地解析数据。

这些文件有一个20字节的标题，描述了功能的数量，标签的数量，例子的数量等。标题后面跟着一些例子。每个示例都是一些表示要素的float32，后跟一些表示标签的uint8，因此文件的其余部分是浮点数和uints的交替模式。

我一直在使用tf.read_file和tf.decode_raw将文件作为uint8s的向量来获取，现在我喜欢从标签中切割要素，并将要素向量视为float32向量小端序。在张量流中有可能出现这种情况吗？

我已成功使用numpy解析文件并将功能和标签转换为tf.constant s，但似乎将内容直接加载到tensorflow会更节省内存。

Answer 1

假设它是所有固定大小的数据，您需要使用Slicing and Joining运算符对数据进行解交织。然后，您可以在图片数据上使用decode_raw out_dtype=tf.float32，然后再次切片以分别获取矢量。