import tensorflow as tf
import matplotlib.pyplot as plt
tfrecords_file = '/home/lw/workspace/MicrovideoLSTM/tfrecordData/videoframe.tfrecords'
filename_queue = tf.train.string_input_producer([tfrecords_file]) # 根据文件名生成一个队列
reader = tf.TFRecordReader() # TFRecordReader 用于读取 TFReacord
_, serialized_example = reader.read(filename_queue) # 返回文件名和文件
features = tf.parse_single_example(serialized_example,
features={
'label': tf.FixedLenFeature([], tf.int64),
'image_raw' : tf.FixedLenFeature([], tf.string),
}) # 取出包含image和label的feature对象..
image = tf.decode_raw(features['image_raw'], tf.uint8) # 要结合自己的数据大小来选择tf.uint8,tf.int32
image = tf.reshape(image, [20,20]) # image = tf.reshape(image, [128, 128, 3]) ]要与具体的图像大小保持一致,取灰度图与彩色图
label = tf.cast(features['label'], tf.int32) # 读取出标签数据
image_batch, label_batch = tf.train.shuffle_batch([image, label],
batch_size=10,
capacity=2000,
min_after_dequeue=1000)# 生成批次
with tf.Session() as sess: # 开始一个会话
init_op = tf.global_variables_initializer()
sess.run(init_op)
coord=tf.train.Coordinator() # 设置多线程协调器
threads= tf.train.start_queue_runners(sess = sess, coord=coord)# 开始 Queue Runners (队列运行器)
for i in range(2):
#example, l = sess.run([image,label]) # 在会话中取出image和label 在队列中一个一个取
example, l = sess.run([image_batch,label_batch]) # 在会话中取出image_batch和label_batch 在队列中按批次取，维度不同
print example.shape
print l.shape
print l
# plt.imshow(example) # 显示单张图像
plt.imshow(example[i,:,:]) # 在批次里面显示单张图像
plt.show()
coord.request_stop()
coord.join(threads)
