TFRecord 是 tensorflow 内置的文件格式，它是一种二进制文件，具有以下优点：
1. 统一各种输入文件的操作
2. 更好的利用内存，方便复制和移动
3. 将二进制数据和标签(label)存储在同一个文件中
引言
我们先不讲 TFRecord，认识几个操作吧
tf.train.Int64List(value=list_data)
它的作用是 把 list 中每个元素转换成 key-value 形式，
注意，输入必须是 list，且 list 中元素类型要相同，且与 Int 保持一致；
# value = tf.constant([1, 2]) ### 这会报错的 ss = 1 ### Int64List 对应的元素只能是 int long，其他同理 tt = 2 out1 = tf.train.Int64List(value = [ss, tt]) print(out1) # value: 1 # value: 2 ss = [1 ,2] out2 = tf.train.Int64List(value = ss) print(out2) # value: 1 # value: 2
同类型的 方法还有 2 个
tf.train.FloatList tf.train.BytesList
tf.train.Feature(int64_list=)
它的作用是 构建 一种类型的特征集，比如 整型
out = tf.train.Feature(int64_list=tf.train.Int64List(value=[33, 22]))
print(out)
# int64_list {
# value: 33
# value: 22
# }
也可以是其他类型
tf.train.Feature(float_list=tf.train.FloatList()) tf.train.Feature(bytes_list=tf.train.BytesList())
tf.train.Features(feature=dict_data)
它的作用是 构建 多种类型 的特征集，可以 dict 格式表达 多种类型
ut = tf.train.Features(feature={
"suibian": tf.train.Feature(int64_list=tf.train.Int64List(value=[1, 2, 4])),
"a": tf.train.Feature(float_list=tf.train.FloatList(value=[5., 7.]))
})
print(out)
# feature {
# key: "a"
# value {
# float_list {
# value: 5.0
# value: 7.0
# }
# }
# }
# feature {
# key: "suibian"
# value {
# int64_list {
# value: 1
# value: 2
# value: 4
# }
# }
# }
tf.train.FeatureList: 它的参数是一个Feature的list, [Feature1, Feature2,...]
"context_idxs": tf.train.FeatureList(feature=
[tf.train.Feature(int64_list=tf.train.Int64List(value=[])])tf.train.FeatureLists: 它的参数是一个字典，k-v对中 v 的类型是FeatureList。
feature_lists=tf.train.FeatureLists(feature_list={
"k1": tf.train.FeatureList(feature=
[tf.train.Feature(int64_list=tf.train.Int64List(value=[])]),
"k2": tf.train.FeatureList(feature=
[tf.train.Feature(int64_list=tf.train.Int64List(value=v))])
})我们需要根据我们的数据，找到每一个字段应该映射为 Feature或FeatureList, 多个Feature组成Features，多个FeatureList组成FeatureLists, 然后我们就定义了我们的一个训练数据对应的 Features，FeatureLists, 再将其封装为 tf.train.Example 就可以写入 tfrecords二进制文件了。
tf.train.Example(features=): 传入的features对应一个 tf.train.Features
tf.train.SequenceExample(context=, featurelists=): 传入的context对应一个 tf.train.Features, features_lists对应一个tf.train.FeatureLists这样就需要选择使用Example还是SequenceExample, SequenceExample多了一个featurelists, 也就是说如果数据中存在字段，我们把它映射为了FeatureList而不是Feature, 那么就要用SequenceExample, 否则用Example。
那么什么样的数据需要映射为FeatureList或Feature？
我的理解是对于长度固定的字段类型，映射为Feature， 比如分类问题中的类别这个字段一般用一个数字表示，二分类就是0或1，那么就class=0映射为tf.train.Feature(tf.train.Int64List(value=[0])), 只要这个字段包含的数据维度是固定的，就可以封装为 Feature。
对于长度不固定的字段类型，映射为FeatureList。比如NLP样本有一个特征是一句话，那么一句话的长度是不固定的，NLP中一般是先分词，然后把每个词对应为该词在字典中的索引，一句话就用一个一维整形数组来表示 [2, 3, 5, 20, ...]，这个数组的长度是不固定的，我们就映射为
tf.train.FeatureList(feature=[tf.train.Feature(value=[v]) for v in [2, 3, 5, 20,...] ] )tf.train.Example(features=tf.train.Features())
它的作用是创建一个 样本，Example 对应一个样本
example = tf.train.Example(features=
tf.train.Features(feature={
'a': tf.train.Feature(int64_list=tf.train.Int64List(value=range(2))),
'b': tf.train.Feature(bytes_list=tf.train.BytesList(value=[b'm',b'n']))
}))
print(example)
# features {
# feature {
# key: "a"
# value {
# int64_list {
# value: 0
# value: 1
# }
# }
# }
# feature {
# key: "b"
# value {
# bytes_list {
# value: "m"
# value: "n"
# }
# }
# }
# }
一幅图总结一下上面的代码
Example 协议块
它其实是一种 数据存储的 格式，类似于 xml、json 等；
用上述方法实现该格式；
一个 Example 协议块对应一个样本，一个样本有多种特征，每种特征下有多个元素，可参看上图；
message Example{
Features features = 1;
}
message Features{
map<string,Features> feature = 1;
}
message Feature {
oneof kind {
BytesList bytes_list = 1;
FloateList float_list = 2;
Int64List int64_list = 3;
}
}
TFRecord 文件就是以 Example协议块 格式 存储的；
TFRecord 文件
该类文件具有写功能，且可以把其他类型的文件转换成该类型文件，其实相当于先读取其他文件，再写入 TFRecord 文件；
该类文件也具有读功能；
TFRecord 存储
存储分两步：
1.建立存储器
2. 构造每个样本的 Example 协议块
tf.python_io.TFRecordWriter(file_name)
构造存储器，存储器有两个常用方法
- write(record)：向文件中写入一个样本
- close()：关闭存储器
注意：此处的 record 为一个序列化的 Example，通过 Example.SerializeToString()来实现，它的作用是将 Example 中的 map 压缩为二进制，节约大量空间
示例代码1：将 MNIST 数据集保存成 TFRecord 文件
import tensorflow as tf
import numpy as np
import input_data
# 生成整数型的属性
def _int64_feature(value):
return tf.train.Feature(int64_list = tf.train.Int64List(value = [value]))
# 生成字符串类型的属性，也就是图像的内容
def _string_feature(value):
return tf.train.Feature(bytes_list = tf.train.BytesList(value = [value]))
# 读取图像数据 和一些属性
mniset = input_data.read_data_sets('../../../data/MNIST_data',dtype=tf.uint8, one_hot=True)
images = mniset.train.images
labels = mniset.train.labels
pixels = images.shape[1] # (55000, 784)
num_examples = mniset.train.num_examples # 55000
file_name = 'output.tfrecords' ### 文件名
writer = tf.python_io.TFRecordWriter(file_name) ### 写入器
for index in range(num_examples):
### 遍历样本
image_raw = images[index].tostring() ### 图片转成 字符型
example = tf.train.Example(features = tf.train.Features(feature = {
'pixel': _int64_feature(pixels),
'label': _int64_feature(np.argmax(labels[index])),
'image_raw': _string_feature(image_raw)
}))
writer.write(example.SerializeToString()) ### 写入 TFRecord
writer.close()
示例代码2：将 csv 保存成 TFRecord 文件
train_frame = pd.read_csv("../myfiles/xx3.csv")
train_labels_frame = train_frame.pop(item="label")
train_values = train_frame.values
train_labels = train_labels_frame.values
print("values shape: ", train_values.shape) # values shape: (2, 3)
print("labels shape:", train_labels.shape) # labels shape: (2,)
writer = tf.python_io.TFRecordWriter("xx3.tfrecords")
for i in range(train_values.shape[0]):
image_raw = train_values[i].tostring()
example = tf.train.Example(
features=tf.train.Features(
feature={
"image_raw": tf.train.Feature(bytes_list=tf.train.BytesList(value=[image_raw])),
"label": tf.train.Feature(int64_list=tf.train.Int64List(value=[train_labels[i]]))
}
)
)
writer.write(record=example.SerializeToString())
writer.close()
示例3：将 png 文件保存成 TFRecord 文件
# filenames = tf.train.match_filenames_once('../myfiles/*.png')
filenames = glob.iglob('..myfiles*.png')
writer = tf.python_io.TFRecordWriter('png.tfrecords')
for filename in filenames:
img = Image.open(filename)
img_raw = img.tobytes()
label = 1
example = tf.train.Example(
features=tf.train.Features(
feature={
"image_raw": tf.train.Feature(bytes_list=tf.train.BytesList(value=[img_raw])),
"label": tf.train.Feature(int64_list=tf.train.Int64List(value=[label]))
}
)
)
writer.write(record=example.SerializeToString())
writer.close()
TFRecord 读取
读取文件 和 tensorflow 读取数据方法类似
d = tf.data.TFRecordDataset(input_file) 这个也是读取tfrecord数据的方式
tf.TFRecordReader()
建立读取器，有 read 和 close 方法
tf.parse_single_example(serialized,features=None,name= None)
解析单个 Example 协议块
- serialized : 标量字符串的Tensor，一个序列化的Example,文件经过文件阅读器之后的value
- features :字典数据，key为读取的名字，value为FixedLenFeature
- return : 一个键值对组成的字典，键为读取的名字
features中的value还可以为tf.VarLenFeature(),但是这种方式用的比较少，它返回的是SparseTensor数据，这是一种只存储非零部分的数据格式，了解即可。
tf.FixedLenFeature(shape,dtype)
- shape : 输入数据的形状，一般不指定，为空列表
- dtype : 输入数据类型，与存储进文件的类型要一致，类型只能是float32，int 64, string
- return : 返回一个定长的 Tensor (即使有零的部分也存储）
示例代码
filename = 'png.tfrecords'
file_queue = tf.train.string_input_producer([filename], shuffle=True)
reader = tf.TFRecordReader()
key, value = reader.read(file_queue)
### features 的 key 必须和 写入时 一致，数据类型也必须一致，shape 可为 空
dict_data= tf.parse_single_example(value, features={'label': tf.FixedLenFeature(shape=(1,1), dtype=tf.int64),
'image_raw': tf.FixedLenFeature(shape=(), dtype=tf.string)})
label = tf.cast(dict_data['label'], tf.int32)
img = tf.decode_raw(dict_data['image_raw'], tf.uint8) ### 将 string、bytes 转换成 int、float
image_tensor = tf.reshape(img, [500, 500, -1])
sess = tf.Session()
sess.run(tf.local_variables_initializer())
tf.train.start_queue_runners(sess=sess)
while 1:
# print(sess.run(key)) # b'png.tfrecords:0'
image = sess.run(image_tensor)
img_PIL = Image.fromarray(image)
img_PIL.show()
参考：https://www.cnblogs.com/yanshw/p/12419616.html
https://zhuanlan.zhihu.com/p/40588218