【Tensorflow] TFRecord読み取りと書き込み機構

1. 読み取りが行の各バッチに読み出される場合に書き込みが、行ごとに書かれているtfrecord、。

2. forループ（例えば：img_path、cls_label = img_paths [Iによる書き込み、 ]、cls_labels [I]） 内部tf.train.Example送り機能に。
   したがって、機能tf.train.Exampleは（img_path、その対応encode_img、cls_label、pts_label含む）単一のデータラインに供給しました。

   example = tf.train.Example(features=tf.train.Features(feature={
       'img_path': _bytes_feature(img_path),
       'encoded': _bytes_feature(image_buffer),
       'cls_label': _int64_feature(cls_label)
   }))
   

   あなたはできるprint(example)、それを表示します。

3. 最終的なデータは、内tfrecordの2次元リストを形成します。

   [ { [img_path], [img_encode], [cls_label], [pts_label] }
     { [img_path], [img_encode], [cls_label], [pts_label] }
     { [img_path], [img_encode], [cls_label], [pts_label] }
     { [img_path], [img_encode], [cls_label], [pts_label] }
                                                … …
     { [img_path], [img_encode], [cls_label], [pts_label] } ]
   

   リスト内の各行は、ある完全なデータ要素、要素= {[img_path]、[img_encode]、[cls_label]、[pts_label]}

4. 具体的には、要素= {[B '\ img_1.jpgに\パス\']、[\ DF \ SDF \ DF \ DF \ dfsxc \ D]、[1]、[21.2、34.6、45.1、56.7]}

5. すべての個人がタイプリストの要素、書き込み_int64_feature、_float_feature、_bytes_featureであり、それは一次元のリストでなければなりません！