Python 如何解码Tensorflow 2中的示例（从1.12移植）

我使用以下方法对序列化的

TFRecordDataset

中的样本进行解码：

def解码示例（自序列化示例）：
“”“从序列化的tensorflow返回张量的dict。示例。”“”
数据字段、数据项到解码器=self.example\u reading\u spec（）
#需要以正确的顺序将示例重新连接到Cloud ML引擎
#批量预测API。
数据字段['batch\u prediction\u key']=tf.io.FixedLenFeature（[1]，tf.int64，0）
如果数据项到解码器为无：
数据项到解码器={
字段：tf.contrib.slim.tfexample\u decoder.Tensor（字段）
对于数据_字段中的字段
}
decoder=tf.contrib.slim.tfexample\u decoder.tfexampledcoder（数据\u字段、数据\u项到\u解码器）
解码项目=列表（已排序（数据项目到解码器））
decoded=解码器.decode（序列化的\u示例，items=解码\u项）
返回dict（zip（解码项目，解码））

但是，这在Tensorflow 2下不起作用

tf.contrib

不再存在，我也找不到任何可以用来解码这些示例的东西

安装

tensorflow数据验证后，我甚至找不到

你知道哪里出了什么问题和/或我如何解码我的示例吗？
我能够使用
tf.io.parse\u single\u example
使其工作

我们必须像往常一样声明数据字段（
example\u reading\u spec
），然后我们可以使用这些字段解码示例：

def示例_reading_spec（）：
数据_字段={
“输入”：tf.io.VarLenFeature（tf.float32），
“目标”：tf.io.VarLenFeature（tf.int64），
}
返回数据字段
def解码示例（序列化示例）：
“”“从序列化的tensorflow返回张量的dict。示例。”“”
返回tf.io.parse_single_示例(
序列化的_示例，
功能=示例\u读取\u规范（）
)

现在我们可以使用
Dataset.map
加载数据集碎片，如下所示：

record\u dataset=tf.data.TFRecordDataset（文件名，缓冲区大小=1024）
record\u dataset=record\u dataset.map（解码示例）
你找到答案了吗？@物理学家我发布了一个答案，说明我是如何让它工作的。嗯