将图像另存为原始记录在TFRecord文件中，然后回读并在屏幕上显示图像

如何解决将图像另存为原始记录在TFRecord文件中，然后回读并在屏幕上显示图像

我要执行以下操作：在tensorflow中使用JPEG格式编码图像，将其放入probuff的 BytesList 功能中，对其进行序列化，保存，然后再次读取。阅读后，我必须使用feature_description解析图像，然后从JPEG格式解码图像。这是我尝试过的：

from sklearn.datasets import load_sample_images
from tensorflow.train import BytesList,FloatList,Int64List
from tensorflow.train import Feature,Features,Example
import tensorflow as tf
import numpy as np
import matplotlib as plt


# Loading the image and printing it
img = load_sample_images()["images"][0]
plt.imshow(img)
plt.axis("off")
plt.title("Original Image")
plt.show()

# Encode the image to JPEG
data = tf.io.encode_jpeg(img)

# Convert it to a protobuf Example
example_with_image = Example(
    features = Features(
        feature = {
            "image": Feature(bytes_list = BytesList(value = [data.numpy()]))
        }
    )
)

# Serialize the protobuf Example to a string
serialized_example = example_with_image.SerializetoString()

# Imagine we saved 'serialized_example' to disk and read it back into memory
# We Now want to print the image

# Provide 'feature_description' so that the parse function kNows the default 
# value
feature_description = {
    "image": tf.io.VarLenFeature(tf.string)
}

# Parse the serialized string
example_with_image = tf.io.parse_single_example(serialized_example,feature_description)

这一切都很好。然后，我尝试使用Tensorflow的decode_jpeg()函数将图像解码回去：

decoded_img = tf.io.decode_jpeg(example_with_image)

这不起作用。我得到以下ValueError：

ValueError: Attempt to convert a value ({'image': <tensorflow.python.framework.sparse_tensor.SparseTensor object

at 0x000002B4C90AB9D0>}) with an unsupported type (<class 'dict'>) to a Tensor.

它也不适用于更通用的tf.io.decode_image() Tensorflow函数。

老实说，我不知道发生了什么事。我不应该找回图像吗？怎么了？

解决方法

使用example_with_image后的

parse_single_example是一个字典，其键为图像，稀疏张量为值

example_with_image看起来像这样：

{'image': <tensorflow.python.framework.sparse_tensor.SparseTensor at 0x25b29440cc8>}

decode_jpeg函数需要一个字节值，但是您正在提供字典。

提取值的正确方法是：
代码：

image = tf.io.decode_jpeg(example_with_image1['image'].values.numpy()[0])
plt.imshow(image)

输出：

您还可以将图像解析为FixedLenFeature而不是VarLenFeature。在这种情况下，您将获得一个密集的张量而不是一个稀疏的张量。

代码：

feature_description = {
    "image": tf.io.FixedLenFeature([],tf.string)
}

# Parse the serialized string
example_with_image = tf.io.parse_single_example(serialized_example,feature_description)

image = tf.io.decode_jpeg(example_with_image['image'].numpy())
plt.imshow(image)