tfrecord的读和写(针对tf1.x版本)

不管怎么说tfrecords都是一个文件格式，读写也出不了常规的文件读写的逻辑，无非是读的时候格式得确定，取的时候格式要一致，别的也没什么了

写入：

第一步，声明writer，创建.tfrecord文件

writer = tf.python_io.TFRecordWriter(tfrecords_filename)

第二步，用feature的方式将目标数组传递进去

example = tf.train.Example(features=tf.train.Features(
    feature={
        'label': tf.train.Feature(int64_list=tf.train.Int64List(value=[0])),
        'img_raw': tf.train.Feature(float_list=tf.train.FloatList(value=res)),
    }
))

这里要注意几点：第一feature只接受三种格式，
1，Int64List；2，FloatList；3，BytesList；
等等这里有坑：
首先这三种list都是一纬的，也就是只有一个中括号，所以在传递过程中会有信息损失。
其次，是针上面一条的就是如何将原来的list转化为一维list
方案是numpy，使用numpy.ravel(多维数组)
那如何将普通的数组转换为byteslist呢？
方案还是numpy，使用numpy的tostring将数组整个转换为一个string，在传递的时候value=[字符串]，来手动生成数组。
第三步：写
使用wtite的写方法，但是注意需要将内容序列化成string的格式

writer.write(example.SerializeToString())

第四步：关闭流，写文件的常规操作

writer.close()

tfrecord读取的方法

读取：
写搞定了，那怎么来读呢？
第一步：读入流中

filename_queue = tf.train.string_input_producer([filename])

第二步：声明reader并返回文件名和文件

reader = tf.TFRecordReader()
_, serialized_example = reader.read(filename_queue)

第三步：上面怎么写，这里就怎么读，上面用example来写的，这里就用parse_single_examplel来读

features = tf.parse_single_example(serialized_example, features={
    'label': tf.FixedLenFeature([], tf.int64),
    'img_raw': tf.FixedLenFeature([4000], tf.float32),
})

tfrecord读取的逻辑和方法
除了格式之外需要写出你存入时候的长度,但是label不要写，原因还在探索中，但是这里有一个问题，这种版本的写法在tf2.x的版本已经被弃掉了。后面新版的使用有时间我会更新使用方法。