Tensorflow TFRecord:无法解析序列化示例

Question

为了将输入数据序列化为TFRecord格式，我尝试遵循TFRecord格式，但是在读取它时，我一直碰到这个错误：

InvalidArgumentError:键: my_key。无法解析序列化的示例。

我不知道我哪里出了问题。这是我无法解决的问题的一个极小范围的复制。

序列化了一些示例数据：

with tf.python_io.TFRecordWriter('train.tfrecords') as writer:
  for idx in range(10):
        example = tf.train.Example(
            features=tf.train.Features(
                feature={
                    'label': tf.train.Feature(int64_list=tf.train.Int64List(value=[1,2,3])),
                    'test': tf.train.Feature(float_list=tf.train.FloatList(value=[0.1,0.2,0.3])) 
                }
            )
        )

        writer.write(example.SerializeToString())
  writer.close()

解析函数&反序列化：

def parse(tfrecord):
  features = {
      'label': tf.FixedLenFeature([], tf.int64, default_value=0),
      'test': tf.FixedLenFeature([], tf.float32, default_value=0.0),
  }
  return tf.parse_single_example(tfrecord, features)

dataset = tf.data.TFRecordDataset('train.tfrecords').map(parse)
getnext = dataset.make_one_shot_iterator().get_next()

当尝试运行此程序时：

with tf.Session() as sess:
  v = sess.run(getnext)
  print (v)

我触发上述错误消息。

是否有可能通过这个错误并反序列化我的数据？

Answer 1

tf.FixedLenFeature()用于读取固定大小的数据数组。数据的形状应事先确定。将解析函数更新为

def parse(tfrecord):
   return tf.parse_single_example(tfrecord, features={
       'label': tf.FixedLenFeature([3], tf.int64, default_value=[0,0,0]),
       'test': tf.FixedLenFeature([3], tf.float32, default_value=[0.0, 0.0, 0.0]),
   })

应该做好这份工作。

Answer 2

作为另一种选择，如果输入功能的长度不是固定的，而且大小是任意的，那么您也可以使用tf.io.FixedLenSequenceFeature()和参数allow_missing = True和default_value=0 (在int和0.0类型的情况下浮点)，这不要求输入特性的大小与tf.io.FixedLenFeature()不同。您可以找到更多信息，这里。