Tensorflow 从tfrecords解码JPEG错误：ValueError:形状必须为秩0，但对于'；解码JPEG'；（op:'；解码JPEG'；）输入形状：[？]

我应用了本文中的方法将JPEG文件写入.tfrecords。但我在解析它们时遇到了问题

这是我写tfrecords的代码，每个

x\u img

是一个numpy数组，每个

x\u img[i]

包含固定数量的

img\u字节

img_bytes = open(join(frames_path, vid, img_list[current]),'rb').read()
...
"x_img": tf.train.Feature( bytes_list = tf.train.BytesList( value= x_img[i])),

解析时，我执行了以下操作：

def parse_func(example_proto):

    # FEATURES
    feature_description = {
        "x_img": tf.io.VarLenFeature(tf.string),
        }
    feat = tf.io.parse_single_example(example_proto, feature_description)
        
    x = {}
    x_img = tf.sparse.to_dense(feat["x_img"])
    x_img = tf.io.decode_jpeg(x_img, channels = 3)

    x["x_img"] = x_img/255

    
    return x

但它返回错误：

ValueError: Shape must be rank 0 but is rank 1 for 'DecodeJpeg' (op: 'DecodeJpeg') with input shapes: [?].

解码以前以字节存储的JPEG的正确方法是什么？

完整答案：

tf.io.decode\u jpeg

工作正常。我得到错误的原因是我将输入整形为

（n，宽度，高度，3）

。但是函数

decode\u jpeg

只对单个图像有效，而不是n个图像

以书面形式：

x_img = tf.stack([
    tf.io.decode_jpeg(x_images[0], channels = 3),
    tf.io.decode_jpeg(x_images[1], channels = 3),
    tf.io.decode_jpeg(x_images[2], channels = 3),
])

我可以将字节恢复为JPEG格式。更有效的方法是使用列表理解，但不幸的是，现在不支持列表理解（请参阅）

将字节写入

.tfrecords

而不是使用

plt.imread（）

或

cv2.imread（）

的原因是它不会解压缩图像，因此处理速度更快，节省空间。我没有精确计算，但解压缩JPEG图像会使磁盘空间增加约6倍