利用Tensorflow中的TFRecord生成与读取图片

本人是深度学习的爱好者，最近在参加cv的表情识别训练，把一些步骤和过程记录下来

一.什么是TFRecord

对于计算机的内存来说，我们训练集样本的数目是巨大的，而且这些文件分散在不同的文件夹中，在存读取的过程中会耗费大量的时间和硬盘资源，此时就需要我们用TFRecord的储存格式来帮助存储数据。

protuBuf

TFRecord使用了名为“Protocol Buffer”二进制数据编码方案，它一次性只加载一个二进制文件，在训练数据很多的时候十分方便快捷。并且我们可以对不同的文件夹下的子文件分别生成TFRecord，十分方便。

二.声明tfRecord

首先我们要生成一个TFRecord形式的实例

writer=tf.python_io.TFRecordWriter(filename)
    
image=Image.open(filename)

然后将图片转化为TFRecord存入特征需要的二进制格式，因为人脸训练表情分为图像和分类标志两类，所以分别以bytesList和Int64List的形式存储到feature参数中（feature是字典格式），最后将其序列化转换为字符串，写入TFRecord中。

image_bytes=image.tobytes()
features={}
features['image']=tf.train.Feature(bytes_list=tf.train.BytesList(value=[image_bytes]))
features['label']=tf.train.Feature(int64_list=tf.tr