python之如何将 tfrecord 数据读入张量/numpy 数组

我有一个 tfrecord 文件，我在其中存储了一个数据列表，每个元素都有 2d 坐标和 3d 坐标。坐标是 dtype float64 的 2d numpy 数组。

这些是我用来存储它们的特征。

feature = {'train/coord2d': _floats_feature(projC), 
                   'train/coord3d': _floats_feature(sChair)} 

我通过将它们展平成一个 float 列表来存储它们。

def _floats_feature(value): 
    return tf.train.Feature(float_list=tf.train.FloatList(value=value.flatten())) 

现在我正在尝试恢复它们，以便将它们输入到我的网络中进行训练。我希望 2d 坐标作为输入，3d 作为输出来训练我的网络。

def read_and_decode(filename): 
    filename_queue = tf.train.string_input_producer(filename, name='queue') 
    reader = tf.TFRecordReader() 
    _, serialized_example = reader.read(filename_queue) 
    features = tf.parse_single_example( 
    serialized_example, 
 
    features= {'train/coord2d': tf.FixedLenFeature([], tf.float32), 
            'train/coord3d': tf.FixedLenFeature([], tf.float32)}) 
 
    coord2d = tf.cast(features['train/coord2d'], tf.float32) 
    coord3d = tf.cast(features['train/coord3d'], tf.float32) 
 
    return coord2d, coord3d 
 
 
 
with tf.Session() as sess: 
    filename = ["train.tfrecords"] 
    dataset = tf.data.TFRecordDataset(filename) 
    c2d, c3d = read_and_decode(filename) 
   print(sess.run(c2d)) 
   print(sess.run(c3d)) 

这是我的代码，但我并不真正理解它，因为我是从教程等那里得到的，所以我试图打印出 c2d 和 c3d 以查看它们的格式，但我的程序一直在运行，根本没有打印任何东西，从来没有终止。 c2d 和 c3d 是否包含数据集中每个元素的 2d 和 3d 坐标？在训练网络时可以直接使用它们作为输入和输出吗？

我也不知道它们应该是什么格式才能用作网络的输入。我应该将它们转换回 2d numpy 数组还是 2d 张量？在这种情况下我该怎么做？总的来说，我只是非常迷茫，所以任何指导都会非常有帮助!谢谢

请您参考如下方法:

您在 tf.data.TFRecordDataset(filename) 的正确行上，但问题是 dataset 未连接到您传递的张量到 sess.run()。

这是一个应该产生一些输出的简单示例程序:

def decode(serialized_example): 
  # NOTE: You might get an error here, because it seems unlikely that the features 
  # called 'coord2d' and 'coord3d', and produced using `ndarray.flatten()`, will 
  # have a scalar shape. You might need to change the shape passed to 
  # `tf.FixedLenFeature()`. 
  features = tf.parse_single_example( 
      serialized_example, 
      features={'train/coord2d': tf.FixedLenFeature([], tf.float32), 
                'train/coord3d': tf.FixedLenFeature([], tf.float32)}) 
 
  # NOTE: No need to cast these features, as they are already `tf.float32` values. 
  return features['train/coord2d'], features['train/coord3d'] 
 
filename = ["train.tfrecords"] 
dataset = tf.data.TFRecordDataset(filename).map(decode) 
iterator = dataset.make_one_shot_iterator() 
c2d, c3d = iterator.get_next() 
 
with tf.Session() as sess: 
 
  try: 
 
    while True: 
      print(sess.run((c2d, c3d))) 
 
  except tf.errors.OutOfRangeError: 
    # Raised when we reach the end of the file. 
    pass