[Tensorflow小试]之tfRecord解码数据错误解决

最新推荐文章于 2022-09-27 14:12:05 发布

gaega

最新推荐文章于 2022-09-27 14:12:05 发布

阅读量941

点赞数

分类专栏：深度学习 Tensorflow 文章标签： python

本文链接：https://blog.csdn.net/m0_38119819/article/details/106723890

版权

在使用TensorFlow读取tfRecord文件时遇到OutOfRangeError，问题源于解码数据类型与原始数据类型不匹配。解决方案是确保解码类型（如tf.float32）与数据存储类型（如tf.float64）一致。不匹配会导致解码失败，返回空对象，进而引发错误。

摘要由CSDN通过智能技术生成

以下是读取.tfrecord数据的部分代码：

data_queue = tf.train.string_input_producer(image_list, shuffle=shuffle)
reader = tf.TFRecordReader()
fid, serialized_example = reader.read(data_queue)
parser = tf.parse_single_example(serialized_example, features=decomp_feature)

data_vol = tf.decode_raw(parser['data_vol'], tf.float32)
data_vol = tf.reshape(data_vol, raw_size)
data_vol = tf.slice(data_vol, [0, 0, 0], volume_size)

label_vol = tf.decode_raw(parser['label_vol'], tf.float32)
label_vol = tf.reshape(label_vol, raw_size)
label_vol = tf.slice(label_vol, [0, 0, 1], label_size)

在读取的过程中，总会报以下的错误：

OutOfRangeError (see above for traceback): RandomShuffleQueue '_3_shuffle_batch/random_shuffle_queue' is closed and has insufficient elements (requested 8, current size 0)

根据网上大部分搜索的，可能是数据size和解码tfrecord打包的尺寸不匹配，或者是如下链接所述：