python - 创建一个 int 列表功能以在 tensorflow 中另存为 tfrecord？

Question

如何从列表中创建 tensorflow 记录？

来自documentation这似乎是可能的。还有这个 example他们使用 numpy 中的 .tostring() 将 numpy 数组转换为字节数组。但是，当我尝试传入时:

labels = np.asarray([[1,2,3],[4,5,6]])
...
example = tf.train.Example(features=tf.train.Features(feature={
    'height': _int64_feature(rows),
    'width': _int64_feature(cols),
    'depth': _int64_feature(depth),
    'label': _int64_feature(labels[index]),
    'image_raw': _bytes_feature(image_raw)}))
writer.write(example.SerializeToString())

我得到错误:

TypeError: array([1, 2, 3]) has type type 'numpy.ndarray', but expected one of: (type 'int', type 'long')

这并不能帮助我弄清楚如何将整数列表存储到 tfrecord 中。我试过查看文档。

Answer 1

在弄乱了一段时间并进一步查看文档后，我找到了自己的答案。在上述函数中，以示例代码为基础:

def _int64_feature(value):
  return tf.train.Feature(int64_list=tf.train.Int64List(value=[value]))
...
'label': _int64_feature(labels[index]),

labels[index] 被转换为列表 [value] 所以你有 [np.array([1,2,3])] 导致错误。

上面的转换在示例中是必需的，因为 tf.train.Int64List() 需要一个列表或 numpy 数组，并且该示例传入一个整数，因此他们将其类型转换为列表。
在例子中是这样的

label = [1,2,3,4]
...
'label': _int64_feature(label[index]) 

tf.train.Feature(int64_list=tf.train.Int64List(value=[value]))
#Where value = [1] in this case

如果你想传入一个列表，这样做

labels = np.asarray([[1,2,3],[4,5,6]])
...
def _int64_feature(value):
  return tf.train.Feature(int64_list=tf.train.Int64List(value=value))
...
'label': _int64_feature(labels[index]),

我可能会提出拉取请求，因为我发现 tf.train.Feature 的原始文档几乎不存在。

长话短说

将列表或 numpy 数组传递给 tf.train.Int64List() 但不是列表列表或 numpy 数组列表。