Python Tensorflow将uint8张量视为浮点32张量

我有一大堆自定义格式的培训示例文件，我想加载到tensorflow模型中，但我不知道如何有效地解析数据

这些文件有一个20字节的标题，描述了特征数量、标签数量、示例数量等。标题后面是一些示例。每个示例都是一些表示特征的浮点32，后面是一些表示标签的UINT8，因此文件的其余部分是浮点和UINT的交替模式

我一直在使用

tf.read_file

和

tf.decode_raw

将文件作为uint8s的向量，现在我想从标签中分割特征，并以小端点顺序将特征向量作为float32向量查看。这种事情在tensorflow中有可能发生吗

---

我已经成功地用

numpy

解析了文件，并将特性和标签转换为

tf.constant

s，但是直接将其加载到tensorflow中似乎会更节省内存。

假设它都是固定大小的数据，则需要使用运算符对数据进行反交错。然后，您可以对图像数据使用

decode\u raw

和

out\u dtype=tf.float32

，然后再次切片以分别获得向量