我正在Google Cloud Datalab的Jupyter笔记本中测试Tensorflow模型。该模型被设置为使用TFRecordDataset个文件中的TFRecord作为输入，我认为这是为模型组织输入的推荐方式。我想知道是否存在从TFRecordDataset API提供的Google Cloud Storage Objects列表创建google.datalab.storage到某种支持的方式，作为访问Google Cloud存储桶中数据的一种方式。 / p>
编辑：我发现可以通过在.uri上调用Storage Objects并将这些uri传递给TFRecordDataset来实现，但是我不确定是否建议这样做
答案 0 :(得分：0)
您的问题尚不清楚，但这是我如何将输入数据转换为tfrecord以便将其输入到模型中。
您可以从Datalab的Google存储中读取数据，并将其转换为tfrecord，然后将其保存回Google存储中。
答案 1 :(得分：0)
通常，此类任务会设置 Google Cloud Storage 将数据（例如图像）存储在存储桶中，并且用户希望将输入转换为 tfrecord 格式以训练/微调模型（例如分类/检测）。对于这样的任务，您必须创建一个文件，其中包含有关图像路径和合适的其他信息（例如标签、bbox 等）的信息。创建该文件后，您可以迭代您的文件，并使用这些输入的谷歌存储路径文件访问 GCS 数据以对其进行处理并将其保存为 tfrecord。以流行的格式（用于图像数据的 COCO/Pascal VOC）创建文件很有用，因为您可以使用不易出错且速度更快的预制转换脚本。例如：COCO to TFrecord conversion