相关疑难解决方法(0)

我试图将不同大小的图像保存到tf记录中.我发现即使图像大小不同,我仍然可以加载它们FixedLenFeature.

通过检查文档FixedLenFeature和VarLenFeature,我发现差异似乎是VarLenFeauture返回稀疏张量.

任何人都可以说明一些应该使用的情况FixedLenFeature或VarLenFeature？

我想使用Tensorflow的数据集API来读取变量长度列表的TFRecords文件.这是我的代码.

def _int64_feature(value):
    # value must be a numpy array.
    return tf.train.Feature(int64_list=tf.train.Int64List(value=value))
def main1():
    # Write an array to TFrecord.
    # a is an array which contains lists of variant length.
    a = np.array([[0, 54, 91, 153, 177],
                 [0, 50, 89, 147, 196],
                 [0, 38, 79, 157],
                 [0, 49, 89, 147, 177],
                 [0, 32, 73, 145]])

    writer = tf.python_io.TFRecordWriter('file')

    for i in range(a.shape[0]): # i = 0 ~ 4
        x_train = a[i]
        feature = {'i': _int64_feature(np.array([i])), 'data': _int64_feature(x_train)}

        # Create …

我正在尝试通过张量流对象检测API训练自定义数据集。数据集包含numpy ndarray格式（uint8）的40k训练图像和标签。训练数据集shape = 2（[40000,23456]）且标签shape = 1（[0 ...，3]）。我想为此数据集生成tfrecord。我怎么做？我不喜欢tensorflow。

我有一个大数据集（300.000 个示例 x 33.000 个特征），这当然不适合内存。数据以 HDF5 格式保存。这些值大多为零（稀疏数据）。它们看起来像这样：

           Attr1    52  52  52  52  52  52  52  52 ...
           Attr2    umb umb umb umb umb umb umb umb ...
           CellID   TGC-1 TGG-1 CAG-1 TTC-1 GTG-1 GTA-1 CAA-1 CAC-1 ...

Acc     Gene                                      ...
243485  RP11-.3     0   0   0   0   0   0   0   0 ...
237613  FAM138A     0   0   0   0   0   0   0   0 ...
186092  OR4F5       0   0   0   0   0   0   0   0 ...
238009  RP11-.7     0   0   0   0   0 …

我的数据集有不同的目录,每个目录对应一个类.每个目录中有不同数量的.tfrecords.我的问题是如何从每个目录中采样5个图像(每个.tfrecord文件对应一个图像)？我的另一个问题是如何对这些目录中的5个进行采样,然后从每个目录中采样5个图像.

我只想用tf.data.dataset来做.所以我希望有一个数据集,我从中得到一个迭代器,iterator.next()给我一批25个图像,包含5个类的5个样本.