Tensorflow 如何将TFRecords转换为numpy数组？

其主要思想是将tfrecord转换为numpy数组。假设TFR记录存储图像。具体而言：

读取TFRecord文件并将每个图像转换为numpy数组

将图像写入1.jpg、2.jpg等

同时，将文件名和标签写入文本文件，如下所示：

我目前使用以下代码：

将tensorflow导入为tf
导入操作系统
def读取和解码（文件名队列）：
reader=tf.TFRecordReader（）
_，序列化的\u示例=reader.read（文件名\u队列）
features=tf.parse_单个_示例(
序列化的_示例，
#由于两个键都是必需的，因此未指定默认值。
特征={
“image_raw”：tf.FixedLenFeature（[]，tf.string），
“标签”：tf.FixedLenFeature（[]，tf.int64），
“高度”：tf.FixedLenFeature（[]，tf.int64），
“宽度”：tf.FixedLenFeature（[]，tf.int64），
“深度”：tf.FixedLenFeature（[]，tf.int64）
})
image=tf.decode\u raw（特征['image\u raw'，tf.uint8）
label=tf.cast（特性['label']，tf.int32）
高度=tf.cast（特征['height']，tf.int32）
宽度=tf.cast（特征['width']，tf.int32）
depth=tf.cast（特性['depth']，tf.int32）
返回图像、标签、高度、宽度、深度
使用tf.Session（）作为sess：
filename\u queue=tf.train.string\u input\u producer（[“./data/svhn/svhn\u train.tfrecords”]）
图像、标签、高度、宽度、深度=读取和解码（文件名\u队列）
image=tf.reforme（图像，tf.pack（[高度，宽度，3]））
image.set_形状（[32,32,3]）
初始化所有变量（）
sess.run（初始化操作）
打印（image.eval（））

---

我只是在读一篇文章，试图为初学者至少获得一张图片。当我运行这个程序时，代码就卡住了。

哎呀，我犯了一个愚蠢的错误。我使用了字符串\u输入\u生成器，但忘记运行队列\u运行程序

将tf.Session（）作为sess的

：
filename\u queue=tf.train.string\u input\u producer（[“./data/svhn/svhn\u train.tfrecords”]）
图像、标签、高度、宽度、深度=读取和解码（文件名\u队列）
image=tf.reforme（图像，tf.pack（[高度，宽度，3]））
image.set_形状（[32,32,3]）
初始化所有变量（）
sess.run（初始化操作）
coord=tf.train.Coordinator（）
线程=tf.train.start\u queue\u runner（coord=coord）
对于范围（1000）内的i：
例如，l=sess.run（[image，label]）
打印（示例，l）
协调请求停止（）
坐标连接（线程）

希望我能投更多的票。我到处找这个！非常感谢你！堆栈溢出应添加“捐赠给参与者”按钮注意，自tf 1.0以来，

tf.pack（）

已更改为

tf.Stack（）

1.jpg 2
2.jpg 4
3.jpg 5