tensorflow中tfrecords格式的读写

最新推荐文章于 2020-11-19 18:36:38 发布

Colie-Li

最新推荐文章于 2020-11-19 18:36:38 发布

阅读量1.9k

点赞数 2

分类专栏：深度学习

本文链接：https://blog.csdn.net/guvcolie/article/details/77460494

版权

本文介绍了在TensorFlow中利用TFRecords格式存储数据的方法，包括如何将数据写入TFRecords文件，以及使用tf.train.shuffle_batch从文件中随机读取数据的原理，强调了队列容量和最小淘汰数量对数据乱序的影响。

摘要由CSDN通过智能技术生成

关于Tensorflow数据的读取，有三种方法：

供给数据(Feeding)：在TensorFlow程序运行的每一步，让Python代码来供给数据(一次一喂)。
从文件读取数据：在TensorFlow图的起始，让一个输入管线从文件中读取数据（从文件流中自动读取）。
预加载数据：在TensorFlow图中定义常量或变量来保存所有数据(仅适用于数据量比较小的情况)。

将数据写入TfRecords文件

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

import os
import tensorflow as tf
from PIL import Image

cwd = os.getcwd()
## 指定tfrecords格式的文件名，创建writer
writer = tf.python_io.TFRecordWriter("train.tfrecords")
## 比如当前目录下有3个文件夹ÿ