Tensorflow基础(必备TF框架知识)_4：数据读取机制与API方法

本文取材自imooc课程《Python3+TensorFlow打造人脸识别智能小程序》

数据操作

TensorFlow提供了TFRecord的格式来统一存储数据

TFRecord将图像数据和标签放在一个二进制文件(protocal buffer)中，这样能更好利用内存，实现快速复制、移动、读取、存储

• 数据读取：
  1.直接从文件中读取
  2.从TFRcord解析打包的图片数据中读取

  tf.train.string_input_producer
  tf.train.slice_input_producer
  

  tf.data库(动态图机制)
• 数据解析：

tf.TFRecordReader
tf.parse_single_example

• 数据写入：

writer = tf.python_io.TFRecordWriter
example = tf.train.Example(features=tf.train.Features(feature={
    'img_raw': tf.train.Feature(bytes_list=tf.train.BytesList(value=[img_raw])),
    'label': tf.train.Feature(int64_list=tf.train.Int64List(value=[index]))
}))
writer.write(example.SerializeToString())
writer.close()