在自定義數據集中：

example = tf.train.Example(features=tf.train.Features(feature={'img_raw': tf.train.Feature(bytes_list=tf.train.BytesList(value=[img_raw])),'label': tf.train.Feature(int64_list=tf.train.Int64List(value=labels))}))
下面簡要談一談我對其的理解
創建 Example 對象，并且將 Feature（img_raw，label)?一一對應填充進去。并保存到writer中。 tf.train.Example的定義如下： message Example {Features features = 1; };message Features{map<string,Feature> featrue = 1; };message Feature{oneof kind{BytesList bytes_list = 1;FloatList float_list = 2;Int64List int64_list = 3;} };

從上述代碼可以看出，tf.train.Example中包含了屬性名稱到取值的字典，其中屬性名稱為字符串，屬性的取值可以為字符串（BytesList）、實數列表（FloatList）或者整數列表（Int64List）。

一般tf.train.Int64List?tf.train.FloatList對應處理整數和浮點數，tf.train.BytesList用于處理字符串的數據。

從上面可以看出一個 Example 消息體包含了一系列的 feature 屬性。

每一個 feature 是一個 map，也就是 key-value 的鍵值對。

key 取值是 String 類型。

? ? ? ? ? ? 而 value 是 Feature 類型的消息體，它的取值有 3 種：

? ? ? ? ? ? ? ? ? ? ?BytesList
? ? ? ? ? ? ? ? ? ? ?FloatList
? ? ? ? ? ? ? ? ? ? ?Int64List
需要注意的是，他們都是列表的形式。

舉例說明：

1.構建writer，用于寫入數據

2.創建 Example 對象，并且將 Feature（ａ，ｂ，ｃ)?一一對應填充進去。ａ，ｂ，ｃ三個不同格式的列表并保存到writer中

3.# 將 example 序列化成 string 類型，然后寫入。即 writer.write(example.SerializeToString())；

或者

serialized = example.SerializeToString()writer.write(serialized)
# -*- coding: utf-8 -*- import tensorflow as tf import numpy writer = tf.python_io.TFRecordWriter('test1.tfrecord') for i in range(0, 2):a = 0.520 + ib = [2019 + i, 2018+i]c = "測試"+str(i)c_raw = cprint 'i:',iprint ' a:',aprint ' b:',bprint ' c:',cexample = tf.train.Example(features = tf.train.Features(feature = {'a':tf.train.Feature(float_list = tf.train.FloatList(value=[a])),'b':tf.train.Feature(int64_list = tf.train.Int64List(value = b)),'c':tf.train.Feature(bytes_list = tf.train.BytesList(value = [c_raw]))}))serialized = example.SerializeToString()writer.write(serialized)print ' writer',i,'DOWN!' writer.close()

?

?

轉載于:https://www.cnblogs.com/fcfc940503/p/11016619.html

總結

以上是生活随笔為你收集整理的tf.train.examle函数的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。