前面写了TFRecordWriter的生成。这次写TFRecordReader。
代码附上：
def read_and_decode(filename):
#根据文件名生成一个队列
filename_queue = tf.train.string_input_producer([filename])
reader = tf.TFRecordReader()
_, 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),
'img_raw' : tf.FixedLenFeature([], tf.string),
})
img = tf.decode_raw(features['img_raw'], tf.uint8)
img = tf.reshape(img, [224, 224, 3])
# img = tf.reshape(img, [39, 39, 3])
img = tf.cast(img, tf.float32) * (1. / 255) - 0.5
label = tf.cast(features['label'], tf.int32)
print img,label
return img, label
这里我碰到了一个非常奇怪的问题，困扰了我大半天。百思不得其解。
问题的报错是：读入没有任何问题，在把读入的数据输入tensorflow中训练模型的时候，前50次都是好的，
然后就开始报错：
img = tf.reshape(img, [224, 224, 3])
输入的tensor是200704，而期望的tensor是150528
200704=224*224*4，
150528=224*224*3.是不是通道数不对？我用opencv读入后打印出来的通道数都是3。
真是奇怪的问题。
后来把原始图片中的png和jpeg格式的图片删除了。重新生成TFRecord。没有报错了
估计还是图片的底层属性问题