TFRecord作為tensorflow中廣泛使用的數據格式，它跨平臺，省空間，效率高。因為 Tensorflow開發者眾多，統一訓練時數據的文件格式是一件很有意義的事情，也有助于降低學習成本和遷移成本。

但是TFRecord數據是二進制格式，沒法直接查看。因此，如何能夠方便的查看TFRecord格式和數據，就顯得尤為重要了。

為什么需要查看TFReocrd數據？首先我們先看下常規的寫入和讀取TFRecord數據的關鍵過程。

# 1. 寫入過程

# 一張圖片，我寫入了其內容，label，長和寬幾個信息

tf_example = tf.train.Example(

features=tf.train.Features(feature={

'encoded': bytes_feature(encoded_jpg),

'label': int64_feature(label),

'height': int64_feature(height),

'width': int64_feature(width)}))

# 2. 讀取過程

# 定義解析的TFRecord數據格式

def _parse_image(example_proto):

features = {'encoded':tf.FixedLenFeature((),tf.string),

'label': tf.FixedLenFeature((), tf.int64),

'height': tf.FixedLenFeature((), tf.int64),

'width': tf.FixedLenFeature((), tf.int64)

}

return tf.parse_single_example(example_proto, features)

# TFRecord數據按照Feature解析出對應的真實數據

ds = ds.map(lambda x : _parse_image(x), num_parallel_calls=4)

上面是一個標準的TFRecord數據的寫入和讀取部分過程，大家應該發現了，讀取TFRecord數據的時候，得知道TFRecord數據保存的屬性名和類型，任何一項不匹配，都會導致無法獲取數據。

如果數據的寫入和讀取都是自己一個人完成，那就沒問題。但是如果寫入和讀取是跨團隊合作時候，如果每次讀取數據都得讓對方給完整的屬性名和屬性類型，那效率就太低了。畢竟TFRecord數據已經包含了一切，自己動手豐衣足食。

那么怎么查看TFRecord數據呢？使用python tf.train.Example.FromString(serialized_example)方法，方法的入參是TFRecord包含的數據字符串。

然后，我直接將上訴查看的過程寫成了一個py腳本，需要自取。

#!/usr/bin/python

# -*- coding: utf-8 -*-

import sys

import tensorflow as tf

# 用法：python trackTFRecord.py True file1 file2

# trackTFRecord.py 就是當前這個py文件

# True 表示是否輸出具體的數據

# file1 file2 表示的是需要查看的TFRecord文件的絕對路徑

# 輸出說明：tf.float32對應TFRecord的FloatList，tf.int64對應Int64List，tf.string對應BytesList

def main():

print('TFRecord文件個數為{0}個'.format(len(sys.argv)-2))

for i in range(2, len(sys.argv)):

filepath = sys.argv[i]

with tf.Session() as sess:

filenames = [filepath]

# 加載TFRecord數據

ds = tf.data.TFRecordDataset(filenames)

ds = ds.batch(10)

ds = ds.prefetch(buffer_size=tf.contrib.data.AUTOTUNE)

iterator = ds.make_one_shot_iterator()

# 為了加快速度，僅僅簡單拿一組數據看下結構

batch_data = iterator.get_next()

res = sess.run(batch_data)

serialized_example = res[0]

example_proto = tf.train.Example.FromString(serialized_example)

features = example_proto.features

print('{0} 信息如下：'.format(filepath))

for key in features.feature:

feature = features.feature[key]

ftype = None

fvalue = None

if len(feature.bytes_list.value) > 0:

ftype = 'bytes_list'

fvalue = feature.bytes_list.value

if len(feature.float_list.value) > 0:

ftype = 'float_list'

fvalue = feature.float_list.value

if len(feature.int64_list.value) > 0:

ftype = 'int64_list'

fvalue = feature.int64_list.value

result = '{0} : {1}'.format(key, ftype)

if 'True' == sys.argv[1]:

result = '{0} : {1}'.format(result, fvalue)

print(result)

if __name__ == "__main__":

main()

下面給大家實例演示，首先先隨便找個圖片，寫入到TFRecord數據

import tensorflow as tf

filename = "/Users/zhanhaitao/Desktop/1.png"

# 使用tf.read_file讀進圖片數據

image = tf.read_file(filename)

# 主要是為了獲取圖片的寬高

image_jpeg = tf.image.decode_jpeg(image, channels=3, name="decode_jpeg_picture")

# reshape圖片到原始大小2500x2000x3

image_jpeg = tf.reshape(image_jpeg, shape=(2500,2000,3))

# 獲取圖片shape數據

img_shape = image_jpeg.shape

width = img_shape[0]

height = img_shape[1]

# 將原圖片tensor生成bytes對象， image將保存到tfrecord

sess = tf.Session()

image = sess.run(image)

sess.close()

# 定義TFRecords文件的保存路徑及其文件名

path_none = "/Users/zhanhaitao/Desktop/a.tfrecord"

# 定義不同壓縮選項的TFRecordWriter

writer_none = tf.python_io.TFRecordWriter(path_none, options=None)

# 將外層features生成特定格式的example

example_none = tf.train.Example(features=tf.train.Features(feature={

"float_val":tf.train.Feature(float_list=tf.train.FloatList(value=[9.99])),

"width":tf.train.Feature(int64_list=tf.train.Int64List(value=[width])),

"height":tf.train.Feature(int64_list=tf.train.Int64List(value=[height])),

"image_raw":tf.train.Feature(bytes_list=tf.train.BytesList(value=[image]))

}))

# example系列化字符串

example_str_none = example_none.SerializeToString()

# 將系列化字符串寫入協議緩沖區

writer_none.write(example_str_none)

# 關閉TFRecords文件操作接口

writer_none.close()

print("finish to write data to tfrecord file!")

然后，使用上面的腳本看下這個TFRecord數據定義了哪些屬性，以及對應的格式，先進入到腳本的目錄下，因為圖像數據內容太大，影響閱讀，就只看屬性名和type了：

python trackTFRecord.py False /Users/zhanhaitao/Desktop/a.tfrecord

# 結果，其中bytes_list對應tf.string，int64_list對應tf.int64 float_list對應tf.float32

# image_raw : bytes_list

# width : int64_list

# float_val : float_list

# height : int64_list

以上這篇TFRecord文件查看包含的所有Features代碼就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支持我們。

本文標題: TFRecord文件查看包含的所有Features代碼

本文地址: http://www.cppcns.com/jiaoben/python/300692.html

總結

以上是生活随笔為你收集整理的python文件怎么看代码表_TFRecord文件查看包含的所有Features代码的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。