用.mat数据集制作TFRecord文件

def _bytes_feature(value):
    return tf.train.Feature(bytes_list=tf.train.BytesList(value=[value]))


def _int64_feature(value):
    return tf.train.Feature(int64_list=tf.train.Int64List(value=[value]))


filename = ('存储recoders文件路径/hhh.tfrecoders')
writer = tf.python_io.TFRecordWriter(filename)
V_patch = loadmat('.mat文件路径/xxxx.mat')
b = V_patch['patch_3d']
a = b.astype(np.float32)
shape = a.shape
l1 = shape[0]
print(l1)
for i in range(l1):
    volume = a[i]
    print(i)
    volume1 = np.delete(volume, -1, 0)   #以下三行为截取图片代码，不重要，可根据需要删除
    volume2 = np.delete(volume1, -1, 1)
    volume3 = np.delete(volume2, -1, 2)
    d = volume3.shape
    vol_str = volume3.tostring()
    e = len(vol_str)
    example = tf.train.Example(features=tf.train.Features(feature={'vol_raw': _bytes_feature(vol_str)}))
    writer.write(example.SerializeToString())
writer.close()
print('Done!')

tf.train.Example()用于将数据处理成二进制，目的是提升IO效率。

也可以对tfrecord文件添加标签

tf.train.Example(features=tf.train.Features(feature={'vol_raw': _bytes_feature(vol_str)，

                                                                                    'label'：_int64_feature(index)}))

_int64_feature()上面代码中已经定义。index是标签，比如二分类标签index可以填0或者1

特别需要注意的一点！！！代码中定义 .