Python tf.io.TFRecordWriter用法及代码示例

将记录写入 TFRecords 文件的类。

用法

tf.io.TFRecordWriter(
    path, options=None
)

TFRecords 教程

TFRecords 是一种二进制格式，针对高吞吐量数据检索进行了优化，通常与 tf.data 结合使用。 TFRecordWriter 用于将序列化的示例写入文件以供以后使用。关键步骤是：

提前时间：

• 将数据转换为序列化格式

• 将序列化数据写入一个或多个文件

  在训练或评估期间：

• 将序列化的示例读入内存

• 解析(反序列化)示例

下面给出了一个最小的例子：

import tempfile
example_path = os.path.join(tempfile.gettempdir(), "example.tfrecords")
np.random.seed(0)

# Write the records to a file.
with tf.io.TFRecordWriter(example_path) as file_writer:
  for _ in range(4):
    x, y = np.random.random(), np.random.random()

    record_bytes = tf.train.Example(features=tf.train.Features(feature={
        "x":tf.train.Feature(float_list=tf.train.FloatList(value=[x])),
        "y":tf.train.Feature(float_list=tf.train.FloatList(value=[y])),
    })).SerializeToString()
    file_writer.write(record_bytes)

# Read the data back out.
def decode_fn(record_bytes):
  return tf.io.parse_single_example(
      # Data
      record_bytes,

      # Schema
      {"x":tf.io.FixedLenFeature([], dtype=tf.float32),
       "y":tf.io.FixedLenFeature([], dtype=tf.float32)}
  )

for batch in tf.data.TFRecordDataset([example_path]).map(decode_fn):
  print("x = {x:.4f},  y = {y:.4f}".format(**batch))
x = 0.5488,  y = 0.7152
x = 0.6028,  y = 0.5449
x = 0.4237,  y = 0.6459
x = 0.4376,  y = 0.8918

此类实现 __enter__ 和 __exit__ ，并且可以像普通文件一样在 with 块中使用。 (参见上面的使用示例。)