tfrecords文件的读取与存储

一、TFRecords分析、存取
（一）定义
TFRecords是Tensorflow设计的一种内置文件格式，是一种二进制文件，它能更好的利用内存，更方便复制和移动。
（二）目的
为了将二进制数据和标签(训练的类别标签)数据存储在同一个文件中。
（三）优点
1、方便读取和移动
（四）文件格式
*.tfrecords
（五）写入文件内容
Example协议块（类字典格式）
（六）TFRecords的存储
1、建立TFRecord存储器
tf.python_io.TFRecordWriter(path)写入tfrecords文件
（1）path: TFRecords文件的路径
（2）return：写文件
method
（1）write(record):向文件中写入一个字符串记录（即写入一个example）
（2）close():关闭文件写入器
注：字符串为一个序列化的Example,Example.SerializeToString()
2、构造每个样本的Example协议块
（1）tf.train.Example(features=None)写入tfrecords文件
features:tf.train.Features类型的特征实例
return：example格式协议块
（2）tf.train.Features(feature=None)构建每个样本的信息键值对
feature:字典数据,key为要保存的名字，
value为tf.train.Feature实例
return:Features类型
（3）tf.train.Feature(**options)
**options：例如
bytes_list=tf.train. BytesList(value=[Bytes])
int64_list=tf.train. Int64List(value=[Value])
（4）
tf.train. Int64List(value=[Value])
tf.train. BytesList(value=[Bytes])
tf.train. FloatList(value=[value])
（七）TFRecords读取方法
1、同文件阅读器流程,中间需要解析过程
2、解析TFRecords的example协议内存块
tf.parse_single_example(serialized,features=None,name=None)
（1）解析一个单一的Example原型
（2）serialized：标量字符串Tensor，一个序列化的Example
（3）features：dict字典数据，键为读取的名字，值为FixedLenFeature
（4）return:一个键值对组成的字典，键为读取的名字
3、tf.FixedLenFeature(shape,dtype)
（1）shape：输入数据的形状，一般不指定,为空列表
（2）dtype：输入数据类型，与存储进文件的类型要一致，
类型只能是float32,int64,string