Python 关于从TFR记录读取数据时的形状

我将阅读TFR记录中的“图像”（2000）和“地标”（388）

这是代码的一部分

filename_queue = tf.train.string_input_producer([savepath])
reader = tf.TFRecordReader()
_, serialized_example = reader.read(filename_queue)
features = tf.parse_single_example(serialized_example, features={'label': tf.FixedLenFeature([], tf.string), 'img_raw':tf.FixedLenFeature([], tf.string), })

image = tf.decode_raw(features['img_raw'], tf.uint8)
image = tf.reshape(image, [224, 224, 3])
image = tf.cast(image, tf.float32)

label = tf.decode_raw(features['label'], tf.float64) # problem is here
label = tf.cast(label, tf.float32)
label = tf.reshape(label, [388])

错误是

InvalidArgumentError (see above for traceback): Input to reshape is a tensor with 291 values, but the requested shape has 388.

当我将“float64”更改为“float32”时：

 label = tf.decode_raw(features['label'], tf.float32) # problem is here

 #Error: InvalidArgumentError (see above for traceback): Input to reshape is a tensor with 582 values, but the requested shape has 388

或“浮动16”：

label = tf.decode_raw(features['label'], tf.float16) # problem is here

#Error: InvalidArgumentError (see above for traceback): Input to reshape is a tensor with 1164 values, but the requested shape has 388

下面是我制作tfrecords的方法：（为了简单起见，我简化了一些代码）

我有3个问题：

为什么数据类型更改后形状会更改

如何选择合适的数据类型？（因为有时我可以使用'tf.float64'成功解码图像，但有时使用不同的数据集'tf.uint8'成功解码图像）

创建TFR记录的代码有问题吗

---

我最近遇到了一个非常类似的问题，根据我的个人经验，我非常有信心能够推断出你所问问题的答案，尽管我不是100%确定

列表项形状会发生变化，因为当编码为

byte

列表时，不同的数据类型具有不同的长度，并且由于

float16

具有

float32

长度的一半，相同的字节列表可以被读取为n

float32

值的序列，或者是

float16

值的两倍。换句话说，当您更改数据类型时，您试图解码的

字节列表不会更改，但更改的是您对该数组列表的分区

您应该检查用于生成

tfrecord

文件的数据的数据类型，并在读取字节列表时使用相同的数据类型对其进行解码（您可以使用.dtype属性检查numpy数组的数据类型）

我看不到，但我可能错了

---

我最近遇到了一个非常类似的问题，根据我的个人经验，我非常有信心能够推断出你所问问题的答案，尽管我不是100%确定

列表项形状会发生变化，因为当编码为

byte

列表时，不同的数据类型具有不同的长度，并且由于

float16

具有

float32

长度的一半，相同的字节列表可以被读取为n

float32

值的序列，或者是

float16

值的两倍。换句话说，当您更改数据类型时，您试图解码的

字节列表不会更改，但更改的是您对该数组列表的分区

您应该检查用于生成

tfrecord

文件的数据的数据类型，并在读取字节列表时使用相同的数据类型对其进行解码（您可以使用.dtype属性检查numpy数组的数据类型）

我看不到，但我可能错了

---

非常感谢。我确实忘了检查原始数据集的数据类型。我希望我能更进一步。这是一个需要调试的潜在错误。谢谢。我确实忘了检查原始数据集的数据类型。我希望我能更进一步。这是一个需要调试的潜在错误。

writer = tf.python_io.TFRecordWriter(savepath)
for i in range(number_of_images):
    img = Image.open(ImagePath[i])  # load one image from path
    landmark = landmark_read_from_csv[i]  # shape of landmark_read_from_csv is (number_of_images, 388)
    example = tf.train.Example(features=tf.train.Features(feature={
    "label": tf.train.Feature(bytes_list=tf.train.BytesList(value=[landmark.tobytes()])),
    'img_raw': tf.train.Feature(bytes_list=tf.train.BytesList(value=[img.tobytes()]))}))
    writer.write(example.SerializeToString())
writer.close()