Question

我正在尝试编写代码以解析TFRecords并创建TF数据集。我从图像列表创建TFRecords文件，并且能够读回该文件并成功解码我的图像。我的代码基于此blog中的示例。但是，当我尝试读取TFRecords文件并创建TF数据集时，它将失败，并显示以下错误：

ValueError: Argument must be a dense tensor: FixedLenFeature(shape=[], dtype=tf.int64, default_value=None) - got shape [3], but wanted [3, 0]

以下是尝试创建数据集的代码摘要：

 dataset = tf.data.TFRecordDataset(fnames)
 dataset = dataset.map(parse_tfrec)

其中parse_tfrec是解析单个原始记录的函数：

 def parse_tfrec(example_proto):
    features={
    'height': tf.FixedLenFeature([], tf.int64, default_value=IMG_SHAPE[0]),
    'width': tf.FixedLenFeature([], tf.int64, default_value=IMG_SHAPE[1]),
    'depth': tf.FixedLenFeature([], tf.int64, default_value=IMG_SHAPE[2]),
    'label': tf.FixedLenFeature([], tf.int64, default_value=0),
    'image': tf.FixedLenFeature([], tf.string, default_value=''),
    }
    parsed_features = tf.parse_single_example(example_proto, features)
    height = tf.cast(features['height'], tf.int32)
    width = tf.cast(features['width'], tf.int32)
    depth = tf.cast(features['depth'], tf.int32)
    label = tf.cast(features['label'], tf.int32)
    image = tf.decode_raw(features['image'], tf.uint8)
    image_shape = tf.pack([height, width, depth])
    image = tf.reshape(image, image_shape)
    return image, label

当代码尝试从TFRecords（或任何其他存储的整数）解析height时，代码将失败。而且，我不确定我是否了解有关形状的失败消息。

有什么建议吗？

Answer 1

您能详细说明错误发生在哪一行吗？它是否出现在“ parse_single_example”行上？还是在下一行？

我注意到的一件事是，在您的强制转换语句中，您使用的是features字典，而不是parsed_features。

将您的代码更改为这样可以解决您的问题：

height = tf.cast(parsed_features['height'], tf.int32)

让我知道问题是否仍然存在。最近，我自己花了很长时间调试tfrecords :)最初可能很难理解它们，但是最终，我能够在批处理生成时间中获得巨大的性能提升。

创建TF数据集时无法解析TFRecords

1 个答案: