Python tensorflow使用多个数组功能创建tfrecord

我按照TensorFlow从三个NumPy数组生成一个tf.record，但是，我在尝试序列化数据时遇到了一个错误。我希望生成的

tfrecord

包含三个特性

将numpy导入为np
作为pd进口熊猫
#一些随机数据
x=np.random.randn（85）
y=np.random.randn（852128）
z=np.随机选择（范围（10）、（85155））
def_浮动功能（值）：
“”“从浮点/双精度返回浮点\u列表。”“”
返回tf.train.Feature（float\u list=tf.train.FloatList（value=[value]））
def_int64_功能（值）：
“”“从bool/enum/int/uint返回int64_列表。”“”
返回tf.train.Feature（int64_list=tf.train.Int64List（value=[value]））
def序列化_示例（功能0、功能1、功能2）：
"""
创建准备写入文件的tf.Example消息。
"""
#创建一个字典，将功能名称映射到tf.Example-compatible
#数据类型。
特征={
“功能0”：“浮动”功能（功能0），
“功能1”：“浮动”功能（功能1），
“功能2”：功能（功能2）
}
#使用tf.train.Example创建功能消息。
示例\u proto=tf.train.example（features=tf.train.features（feature=feature））
返回示例\u proto.SerializeToString（）
features_dataset=tf.data.dataset.from_tensor_切片（（x，y，z））
特征数据集
对于要素_数据集中的f0、f1、f2。取（1）：
打印（f0）
打印（f1）
打印（f2）
def tf_序列化_示例（f0、f1、f2）：
tf_字符串=tf.py_函数(
序列化您的示例，
（f0、f1、f2），#将这些参数传递给上述函数。
tf.string）#返回类型为'tf.string'。
返回tf.reformate（tf_string，（））#结果是一个标量

然而，当尝试运行

tf\u序列化\u示例（f0、f1、f2）

我得到一个错误：

InvalidArgumentError: TypeError: <tf.Tensor: shape=(2128,), dtype=float32, numpy=
array([-0.5435242 ,  0.97947884, -0.74457455, ...,  has type tensorflow.python.framework.ops.EagerTensor, but expected one of: int, long, float
Traceback (most recent call last):

---

InvalidArgumentError:TypeError:好的，我现在有时间仔细看看。我注意到
features\u dataset
和
tf\u serialize\u example
的用法来自tensorflow webppage上的教程。我不知道这种方法的优点是什么以及如何解决这个问题

但是这里有一个工作流程应该适用于您的代码（我重新打开了生成的tfrecords文件，它们很好）

这段代码的主要区别在于，您将numpy数组而不是tensorflow张量馈送到
序列化\u示例
。希望这有帮助
抱歉，但我在您的代码中没有看到
tf\u serialize\u示例
。你能澄清一下以便重现你的错误吗？如果我将
value=[value]
替换为
value=value.flatte（）
代码对我来说运行良好！我使用
tf
版本：
1.15.0
。您有什么版本？谢谢您的评论，我的版本是2.1.0，使用flatte（）会产生错误：AttributeError:'tensorflow.python.framework.ops.热切Tensor'对象没有属性'flatten'。我应该降级吗？是的，代码是针对TF 1.x的，版本是1.15.0，我得到“RuntimeError:\uuuu iter\uuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuu'I get UnknownError:AttributeError:'tensorflow.python.framework.ops.热切Tensor'对象没有属性'flatten'。非常感谢。这对我有用。我再次解析这个时遇到问题（得到“无法解析序列化的示例”，在使用这个答案时也是如此：）。不过，我想这与这个问题无关。
import numpy as np
import tensorflow as tf

# some random data
x = np.random.randn(85)
y = np.random.randn(85,2128)
z = np.random.choice(range(10),(85,155))

def _float_feature(value):
    """Returns a float_list from a float / double."""
    return tf.train.Feature(float_list=tf.train.FloatList(value=value.flatten()))

def _int64_feature(value):
    """Returns an int64_list from a bool / enum / int / uint."""

    return tf.train.Feature(int64_list=tf.train.Int64List(value=value.flatten()))

def serialize_example(feature0, feature1, feature2):
    """
    Creates a tf.Example message ready to be written to a file.
    """
    # Create a dictionary mapping the feature name to the tf.Example-compatible
    # data type.
    feature = {
      'feature0': _float_feature(feature0),
      'feature1': _float_feature(feature1),
      'feature2': _int64_feature(feature2)
    }
    # Create a Features message using tf.train.Example.
    return tf.train.Example(features=tf.train.Features(feature=feature))


writer = tf.python_io.TFRecordWriter('TEST.tfrecords')
example = serialize_example(x,y,z)
writer.write(example.SerializeToString())
writer.close()