MNIST转TFRecord样例

import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data
import numpy as np

#生成整数型的属性
def _int64_feature(value):
    return tf.train.Feature(int64_list=tf.train.Int64List(value=[value]))

#生成字符串型的数据
def _bytes_feature(value):
    return tf.train.Feature(bytes_list=tf.train.BytesList(value=[value]))

mnist=input_data.read_data_sets("MNIST_data",dtype=tf.uint8,one_hot=True)

images=mnist.train.images
#训练数据所对应的正确答案，可以作为一个属性保存在TFRecord中
labels=mnist.train.labels
#训练数据的图像分辨率，这可以作为Example中的一个属性
pixels=images.shape[1]
num_examples=mnist.train.num_examples

#输出TFRecord文件地址
filename="tfrecord"
#创建一个writer来写TFRecord文件
writer=tf.python_io.TFRecordWriter(filename)
for index in range(num_examples):
    #将图像矩阵转化成一个字符串
    image_raw=images[index].tostring()
    #将一个样例转化为Example Protocol Buffer，并将所有的信息写入这个数据结构
    example=tf.train.Example(features=tf.train.Features(feature={
        'pixels': _int64_feature(pixels),
        'label': _int64_feature(np.argmax(labels[index])),
        'image_raw': _bytes_feature(image_raw)}))
    #将一个Example写入TFRecord文件
    writer.write(example.SerializeToString())
writer.close()

注意example=tf.train.Example(features=tf.train.Features(feature={中的Features,不要写成feature