Python 从协议缓冲区/TFR记录解码字节时的动态数据类型

我正在尝试读取tensorflow的python接口中的TFRecords文件。文件中的每个示例都包含一个n维张量及其原始数据类型。n维张量在保存之前被序列化为字节。在读取TFRecords文件时，我想根据每个张量的数据类型对其进行解码。然而，当我尝试这样做时，我遇到了错误，因为

tf.io.decode\u raw

的

out\u type

不需要张量。我在下面举了一个例子。如何根据示例中存储的数据类型动态分配

out\u类型

将numpy导入为np
导入tensorflow作为tf
定义字节功能（值）：
“”“从字符串/字节返回字节列表。”“”
如果isinstance（值，类型（tf.常量（0））：
value=value.numpy（）#BytesList不会从张量中解压字符串。
返回tf.train.Feature（bytes\u list=tf.train.BytesList（value=[value]））
def序列化（x）：
特征={
“值”：_字节_功能（x.tobytes（）），
“dtype”：_字节_功能（x.dtype.name.encode（'utf-8'））}
示例=tf.train.example（特征=tf.train.features（特征=feature））
返回示例.SerializeToString（）
def解析（序列化）：
特征={
“值”：tf.io.FixedLenFeature（shape=[]，dtype=tf.string），
“dtype”：tf.io.FixedLenFeature（shape=[]，dtype=tf.string）}
返回tf.io.parse_single_示例（序列化，features=features）
x=np.random.random_样本（（10,10,10））.aType（np.float32）
序列化=序列化（x）
parsed=parse（序列化）
#这一行导致错误。
tf.io.decode_raw（已解析[“value”]，out_type=已解析[“dtype”]）
#这很有效。
tf.io.decode_raw（已解析[“值”]，out_type=“float32”）

---

从原始输出类型张量获取其值numpy=b“float32”。然后将字节解码为字符串，该字符串将给出“float32”（或其他动态数据类型）。

欢迎使用堆栈溢出！如果您在代码旁边添加一些解释，您的答案将大大改进；也许解释一下你对OP的代码做了哪些具体的改进，以及为什么他们的改进不正确。这将使您的答案对那些可能有类似问题的人更有帮助，从而使您的答案更有可能获得更高的投票率。我不能使用

.numpy（）

，因为这不能序列化到图形中。

tf.io.decode_raw(parsed["value"], out_type=parsed["dtype"].numpy().decode())