tensorflow2.0环境下读取tfrecords文件里数据的方法

from __future__ import absolute_import, division, print_function, unicode_literals from io import BytesIO # TensorFlow and import tensorflow as tf from tensorflow import keras # Helper libraries import numpy as np import matplotlib.pyplot as plt # 加载tfrecords文件 object_datasets = tf.data.TFRecordDataset("C:/Users/53111/Desktop/voc2007/JPEGImages/") # 创建一个描述功能的字典，就是你在数据里都加了什么类型的字段 # FixedLenFeature代表固定长度字段里边的中括号是必须有的 # VarLenFeature代表可变长度的字段里边只要指定类型就好 object_feature = { 'image/height': tf.io.FixedLenFeature([], tf.int64), 'image/width': tf.io.FixedLenFeature([], tf.int64), 'image/filename': tf.io.FixedLenFeature([], tf.string), 'image/source_id': tf.io.FixedLenFeature([], tf.string), 'image/encoded': tf.io.FixedLenFeature([], tf.string), 'image/format': tf.io.FixedLenFeature([], tf.string), 'image/object/bbox/xmin': tf.io.VarLenFeature(tf.float32), 'image/object/bbox/xmax': tf.io.VarLenFeature(tf.float32), 'image/object/bbox/ymin': tf.io.VarLenFeature(tf.float32), 'image/object/bbox/ymax': tf.io.VarLenFeature(tf.float32), 'image/object/class/text': tf.io.VarLenFeature(tf.string), 'image/object/class/label': tf.io.VarLenFeature(tf.int64), } # 划重点，这个映射函数是必须要有的 # 这里的exam_proto不用自己传，函数里的第二个参数是上面定义的功能字典 # 映射函数，用于解析一条example def _parse_function (exam_proto): return tf.io.parse_single_example (exam_proto, object_feature) # 这里把解析函数传进来就好了 x = object_datasets.map(_parse_function) # 这里通过for循环读取每条数据， # 这里的重点是用plt显示二进制图片 # 其他的可以自行读取 for i in x: print(i['image/height']) i_raw = i['image/encoded'].numpy() plt.figure("Image") # 图像窗口名称 plt.imshow(plt.imread(BytesIO(i_raw))) plt.axis('on') # 关掉坐标轴为 off plt.title('image') # 图像题目 plt.show()