读取tfrecord文件

import tensorflow as tf

#创建一个reader来读取TFRecord文件中的样例
reader=tf.TFRecordReader()
#创建一个队列来维护输入文件列表

#tf.train.string_input_producer函数把我们需要的全部文件打包为一个tf内部的queue类型，之后tf开文件就从这个queue中取目录
filename_queue=tf.train.string_input_producer(["/path/to/output.tfrecords"])
#从文件中读出一个样例，也可以使用read_up_to函数一次性都区多个样例.
_,serialized_example=reader.read(filename_queue)
#解析读入的一个样例.如果需要解析多个样例,可以用parse_example函数。
features=tf.parse_single_example(
    serialized_example,
    features={
        'image_raw':tf.FixedLenFeature([],tf.string),
        'pixels':tf.FixedLenFeature([],tf.int64),
        'label':tf.FixedLenFeature([],tf.int64)
    }

)
#tf.decode_raw可以将字符串解析成图像对应的像素数组
images=tf.decode_raw(features['image_raw'],tf.uint8)
labels=tf.cast(features['label'],tf.int32)
pixels=tf.cast(features['pixels'],tf.int32)

sess=tf.Session()
#启动多线程处理输入数据
coord=tf.train.Coordinator()
threads=tf.train.start_queue_runners(sess=sess,coord=coord)

#每次运行可以读取TFRecord文件中的一个样例，当所有样例都读完之后，再次样例中程序会在重头读取
for i in range(10):
    image,label,pixel=sess.run([images,labels,pixels])