tensorflow中的TFRecord格式文件的写入和读取

在tensorflow中，TFRecord格式的文件是可以将样本和标签放在一起，是在模型之前的一个预处理步骤，这种方式可以很大的提高效率和节约运行的内存，这种格式对数据是不进行压缩的。image.tfrecord也可以是image.tfrecords，格式写入和读取要一样就好了

1.写入

import tensorflow as tf;  

image_raw_data = tf.gfile.FastGFile('/home/penglu/Desktop/11.jpg').read()
image = tf.image.decode_jpeg(image_raw_data)

a = image.eval(session=tf.Session())
a = a.tostring()
label = 1

writer = tf.python_io.TFRecordWriter('/home/penglu/Desktop/image.tfrecord')


example = tf.train.Example(features=tf.train.Features(feature={
	'label':tf.train.Feature(int64_list=tf.train.Int64List(value=[label])),
	'image':tf.train.Feature(bytes_list=tf.train.BytesList(value=[a]))
	}))

writer.write(example.SerializeToString())
writer.close()

2.读取

import tensorflow as tf

reader = tf.TFRecordReader()
filename_queue = tf.train.string_input_producer(['/home/penglu/Desktop/image.tfrecord'])
_, serialized_example = reader.read(filename_queue)
features = tf.parse_single_example(serialized_example, features={
	'image': tf.FixedLenFeature([], tf.string),
	'label': tf.FixedLenFeature([], tf.int64)
	})

img = tf.decode_raw(features['image'], tf.uint8)
label = tf.cast(features['label'], tf.int32)

with tf.Session() as sess:
	sess.run(tf.initialize_all_variables())
	coord = tf.train.Coordinator()
	threads = tf.train.start_queue_runners(sess=sess, coord=coord)
	print sess.run(label)
	coord.request_stop() 
	coord.join(threads) 

输出：

1