TFrecords的tfdata用法以及一些问题

        这两天真是极其糟糕，感觉诸事不训，而且文章下面还存在这问题目前没有解决，如果那位大神刚好路回，不坊顺路解决一下，小弟不胜感激，临博涕零，不知所言……

        扯远了，进入正题，先说说我艰难的心路历程，本来兴高采烈的，因为发现google的gpu（想了解的话，我推荐这篇Google Colab 免费GPU服务器使用教程，因为那些挂载云盘的命令可以直接粘贴来用），那个忘乎所以，恨不得把之前想做的项目都给搞定了，但是，饭还得一口一口的吃，写完了数据打标签程序，接下来就是做数据了，由于多个文件上传的慢，又处于速度考虑，决定使用tfrecords格式，毕竟这也是tf的标准数据格式，支持多线程的。

        生成代码自然不会有什么问题了，代码如下：

        

def _bytes_list(value):
    
    if not isinstance(value,list):
        value = [value]
    return tf.train.Feature(bytes_list = tf.train.BytesList(value = value))

def _int64_list(value):
    
    if not isinstance(value,list):
        value = [value]
        
    return tf.train.Feature(int64_list = tf.train.Int64List(value = value))



def convert_to_example(image):
    
    data = Image.open(image)######
    img = data.resize((224,224))#######
    img = img.tobytes()#######
    w = 224######
    h = 224########
    feature = {
            'image':_bytes_list(img),
            'w':_int64_list(w),
            'h':_int64_list(h)
            }
    
    return tf.train.Example(features = tf.train.Features(feature = feature))

def convert_to_tfrecords(examples,path):
    
    assert type(examples) == list or type(examples) == tuple
    with tf.python_io.TFRecordWriter(path) as tfrecord_writer:
        i = 0
        for example in examples:
            tfrecord_writer.write(example.SerializeToString())
            i += 1
            print('成功完成%g条数据'%i)
            
def run(images,path):
    
    examples = []
    for image in images:
        examples.append(convert_to_example(image))
    convert_to_tfrecords(examples,path)

        上面的基本上到处都可以百度到，但是我要说的就是标记的那几行，最开始并没有resize，而是调用size获取他的shape，保存进去，这也没什么问题，但是，当读的时候就会报各种错误，大概就是说什么不相等之类的，看下之前错误的代码吧

         

def convert_to_example(image):
    
    data = Image.open(image)
    w = data.width
    h = data.height
    img = img.tobytes()
    feature = {
            'image':_bytes_list(img),
            'w':_int64_list(w),
            'h':_int64_list(h)
            }
    
    return tf.train.Example(features = tf.train.Features(feature = feature))

        然后读取的时候一执行tf.reshape(img,[h,w,3])就报错，不明所以可能是PIL的问题吧，或者我的操作不对？另外一个问题是，当我采用tf原本的读取方式的时候，像下面这个样子

        

def read_records_test(filename):
    img,label= read_records('./train_2_of_9000_file.tfrecords')
#    img_batch,label_batch = tf.train.shuffle_batch([img,label],
#                                                   batch_size=1,
#                                                   min_after_dequeue=10,
#                                                   capacity=20)
#    
    coord = tf.train.Coordinator()
    
    with tf.Session() as sess:
        sess.run(tf.global_variables_initializer())
        threads = tf.train.start_queue_runners(sess = sess,coord=coord)
        for i in range(10):
            val,l = sess.run([img,label])
            print(val.shape,l)
        
    coord.request_stop()
    coord.join(threads)

        如果去掉注释部分，就会报错，注释了还可以读取出来数据，why？上面的样例是实验在天池点击打开链接这个比赛的数据（当然比赛我是没有做），数据大概就是这样的

        有些把后面的.jpg去掉就是动态图片，使用opencv读取不到，然后，我就直接用PIL了，目前成功的代码就是直接resize再存，读取实验如下：

        

def _parse_of_tfrecords(record):
    
    features = {
            'image':tf.FixedLenFeature([],tf.string),
            'w':tf.FixedLenFeature([],tf.int64),
            'h':tf.FixedLenFeature([],tf.int64)
            }
    parse_example = tf.parse_single_example(serialized=record,features = features)
    image = tf.decode_raw(parse_example['image'],out_type=tf.uint8)
    w = tf.cast(parse_example['w'],tf.int32)
    h = tf.cast(parse_example['h'],tf.int32)
    image = tf.reshape(image,shape=[h,w,3])
    return image

def read_test(path):
    
    dataset = tf.data.TFRecordDataset(path)
    dataset = dataset.map(_parse_of_tfrecords)
    dataset = dataset.batch(3).repeat(1)
    
    iterator = dataset.make_one_shot_iterator()
    next_batch = iterator.get_next()
    
    with tf.Session() as sess:
        sess.run(tf.global_variables_initializer())
        for i in range(2):
            
            image = sess.run(next_batch)
            print(image)
    return image
            

        最后的结果就是这样的：

        现在也大概是能用了，上面那些问题嘛，跪求大神指导！！！！