tfrecord：从 .tfrecord 文件打印图像

如何解决tfrecord：从 .tfrecord 文件打印图像

我从头开始为我的 tensorflow 模型创建了一个数据集。我正在使用 TensorFlow 2.4.0。为了加速，我决定将数据存储在 .tfrecord 文件类型中，现在我想检查它是否存储在 .tfrecord 文件中。我编写了一个代码来在 .tfrecord 文件中打印一个图像，但出现以下错误：

    imageRaw = imageFeautre['image/width'].numpy()
TypeError: 'TakeDataset' object is not subscriptable

我以官方 tensorflow 教程 (https://www.tensorflow.org/tutorials/load_data/tfrecord#write_the_tfrecord_file) 为导向

我可以加载数据集并读取它，内容是正确的。我无法在其中打印一张图片，我只想在其中打印一张图片我在网上找不到解决方案。

这是我的代码：

import tensorflow as tf
import numpy as np
import IPython.display as display





  tf.compat.v1.enable_eager_execution()
  tfrecordpath='/home/adem/PycharmProjects/DCGANAlgorithmus/dataHandler/preparedData/train.tfrecord'



rfrecordDataSet=tf.data.TFRecordDataset(tfrecordpath)


imageFeatureDescription ={
    'image/width:':tf.io.FixedLenFeature([],tf.int64),'image/height':tf.io.FixedLenFeature([],'image/xmin':tf.io.FixedLenFeature([],'image/ymin':tf.io.FixedLenFeature([],'image/xmax':tf.io.FixedLenFeature([],}


def _parse_image_function(example_proto):
  # Parse the input tf.train.Example proto using the dictionary above.
  return tf.io.parse_single_example(example_proto,imageFeatureDescription)



ParsedImageDataset = rfrecordDataSet.map(_parse_image_function)
imageFeautre=ParsedImageDataset.take(1)
imageRaw = imageFeautre['image/width'].numpy()
display.display(display.Image(data=imageRaw))

解决方法

您提到了打印图像，但您的示例显示了提取宽度。这是一个同时显示两者的示例。

feature_description = {
    'image/width': tf.io.FixedLenFeature([],tf.int64,default_value=0),'image/encoded': tf.io.FixedLenFeature([],tf.string,default_value=''),...
}

tfrecord_file = 'myfile.tfrecord'
raw_dataset = tf.data.TFRecordDataset(tfrecord_file)
for raw_record in raw_dataset.take(num_records_to_plot):
    example = tf.train.Example()
    example.ParseFromString(raw_record.numpy())
    record = tf.io.parse_single_example(raw_record,feature_description)

    width = record['image/width'].numpy()
    image = record['image/encoded'] 

    # Convert image from raw bytes to numpy array
    image_decoded = tf.image.decode_image(image)
    image_decoded_np = image_decoded.numpy()
    ....

您可能还想确保存储的宽度有效。这是我创建 TFRecord 的方式：

from PIL import Image

im = Image.open(file_path)
image_w,image_h = im.size

with tf.io.gfile.GFile(file_path,'rb') as fid: 
    encoded_jpg = fid.read()

tf_example = tf.train.Example(features=tf.train.Features(feature={
    'image/width': dataset_util.int64_feature(image_w),'image/encoded': dataset_util.bytes_feature(encoded_jpg),...
} 
writer.write(tf_example.SerializeToString())
``