Python 是否可以从Google云存储对象创建TFRecordDataset？

我正在谷歌云数据实验室的Jupyter笔记本上测试Tensorflow模型。该模型被设置为使用TFRecord文件的TFRecordDataset作为输入，我认为这是组织模型输入的推荐方法。我想知道是否有一些受支持的方法可以从Google云存储对象列表创建这个TFRecordDataset，这些对象由Google.datalab.Storage API提供，作为访问Google云存储桶上数据的一种方式

---

编辑：我发现通过调用存储对象上的.uri并将这些uri传递给TFRecordDataset似乎是可行的，但我不确定这是否是推荐的方法。

您的问题有点不清楚，但下面是我如何将输入数据转换为tfrecord，以便将其输入到我的模型中

---

您可以从Datalab中的google存储中读取数据，并将其转换为tfrecord，然后将其保存回google存储

您的问题有点不清楚，但以下是我如何将输入数据转换为tfrecord，以便将其输入到模型中

---

您可以从Datalab中的google存储中读取数据，并将其转换为tfrecord，然后将其保存回google存储

通常，这类任务的设置是，谷歌云存储将数据（比如图像）存储在存储桶中，用户希望将输入转换为tfrecord格式，以便训练/优化模型（比如分类/检测）。对于此类任务，您必须创建一个文件，其中包含有关图像路径的信息和适当的其他信息，如标签、bbox等。创建该文件后，您可以迭代文件，并使用这些输入文件的google存储路径访问GCS数据，以对其进行处理并将其保存为tfrecord。为图像数据创建流行格式COCO/Pascal VOC的文件非常有用，因为您可以使用不易出错且速度更快的预制转换脚本。例如：

通常，这类任务的设置是，谷歌云存储将数据（比如图像）存储在存储桶中，用户希望将输入转换为tfrecord格式，以便训练/优化模型（比如分类/检测）。对于此类任务，您必须创建一个文件，其中包含有关图像路径的信息和适当的其他信息，如标签、bbox等。创建该文件后，您可以迭代文件，并使用这些输入文件的google存储路径访问GCS数据，以对其进行处理并将其保存为tfrecord。为图像数据创建流行格式COCO/Pascal VOC的文件非常有用，因为您可以使用不易出错且速度更快的预制转换脚本。例如：

您能更好地解释您所解释的可能性吗？除了为了转换和准备数据，我找不到关于这个文件的任何信息。你能更好地解释一下你解释的可能性吗？除了为了转换和准备数据，我找不到关于这个文件的任何信息。