Python 如何使用TensorFlow解码tfrecords中存储的字节列表？

我已将不同数量的图像存储为字节列表：

img.append(trajectory_step['img'].tostring())
feature['img'] = _bytes_feature(img)
...
example = tf.train.Example(features=tf.train.Features(feature=feature))
writer.write(example.SerializeToString())

我还确保保存图像的数量，以便以后解码（

experiment\u length

）

现在我无法按以下方式解码图像：

features = {
'img': tf.VarLenFeature(tf.string),
...
}
parsed_features = tf.parse_single_example(example_proto, features)
img = tf.decode_raw(parsed_features['img'], out_type=tf.uint8)
img = tf.reshape(img, tf.stack([experiment_length, 120, 160, 3]))

这会产生以下错误：

TypeError:应将字符串传递给op的参数“bytes” “破译”，明白了吗 改为“SparseTensor”类型

如果我选择使用

tf.FixedLenFeature

我会得到以下错误：

tensorflow.python.framework.errors\u impl.InvalidArgumentError:名称： ，关键字：img，索引：0。字节数值！=预期。 值大小：5，但输出形状：[]

如何正确解码字节列表？和：在这种情况下，

tf.VarLenFeature

正确吗，还是应该使用

tf.FixedLenFeature

多谢各位