73

我有一个.tfrecord，但我不知道它的结构。如何检查架构以了解.tfrecord文件包含的内容？

所有 Stackoverflow 答案或文档似乎都假设我知道文件的结构。

reader = tf.TFRecordReader()
file = tf.train.string_input_producer("record.tfrecord")
_, serialized_record = reader.read(file)

...HOW TO INSPECT serialized_record...
4

7 回答 7

133

找到了！

import tensorflow as tf

for example in tf.python_io.tf_record_iterator("data/foobar.tfrecord"):
    print(tf.train.Example.FromString(example))

您还可以添加：

from google.protobuf.json_format import MessageToJson
...
jsonMessage = MessageToJson(tf.train.Example.FromString(example))
于 2017-02-22T21:20:02.103 回答
62

上面的解决方案对我不起作用，所以对于 TF 2.0 使用这个：

import tensorflow as tf 
raw_dataset = tf.data.TFRecordDataset("path-to-file")

for raw_record in raw_dataset.take(1):
    example = tf.train.Example()
    example.ParseFromString(raw_record.numpy())
    print(example)

https://www.tensorflow.org/tutorials/load_data/tfrecord#reading_a_tfrecord_file_2

于 2020-03-29T15:06:59.607 回答
6

如果您.tftrecord包含 SequenceExample，则接受的答案不会向您显示所有内容。您可以使用：

import tensorflow as tf

for example in tf.python_io.tf_record_iterator("data/foobar.tfrecord"):
    result = tf.train.SequenceExample.FromString(example)
    break
print(result)

这将向您展示第一个示例的内容。

然后，您还可以使用它们的键检查各个功能：

result.context.feature["foo_key"]

对于功能列表：

result.feature_lists.feature_list["bar_key"]
于 2019-12-16T14:24:11.183 回答
4

将 TensorFlowtf.TFRecordReader与https://www.tensorflow.org/programmers_guide/reading_datatf.parse_single_example中指定的解码器一起使用

PS，tfrecord 包含在https://github.com/tensorflow/tensorflow/blob/master/tensorflow/core/example/example.proto中定义的“示例”记录

一旦你将记录提取到一个字符串中，解析它就像这样

a=tf.train.Example()
result = a.ParseFromString(binary_string_with_example_record)

但是，我不确定从文件中提取单个记录的原始支持在哪里，您可以在TFRecordReader

于 2017-02-22T17:58:46.600 回答
3

如果可以选择安装另一个 Python 包，tfrecord_lite非常方便。

例子：

In [1]: import tensorflow as tf
   ...: from tfrecord_lite import decode_example
   ...:
   ...: it = tf.python_io.tf_record_iterator('nsynth-test.tfrecord')
   ...: decode_example(next(it))
   ...:
Out[1]:
{'audio': array([ 3.8138387e-06, -3.8721851e-06,  3.9331076e-06, ...,
        -3.6526076e-06,  3.7041993e-06, -3.7578957e-06], dtype=float32),
 'instrument': array([417], dtype=int64),
 'instrument_family': array([0], dtype=int64),
 'instrument_family_str': [b'bass'],
 'instrument_source': array([2], dtype=int64),
 'instrument_source_str': [b'synthetic'],
 'instrument_str': [b'bass_synthetic_033'],
 'note': array([149013], dtype=int64),
 'note_str': [b'bass_synthetic_033-100-100'],
 'pitch': array([100], dtype=int64),
 'qualities': array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0], dtype=int64),
 'sample_rate': array([16000], dtype=int64),
 'velocity': array([100], dtype=int64)}

您可以通过pip install tfrecord_lite.

于 2020-02-04T13:54:45.377 回答
3

公认解决方案的改进：

import tensorflow as tf
import json

dataset = tf.data.TFRecordDataset("mydata.tfrecord")
for d in dataset:
    ex = tf.train.Example()
    ex.ParseFromString(d.numpy())
    m = json.loads(MessageToJson(ex))
    print(m['features']['feature'].keys())

就我而言，我在 TF2 上运行，单个示例太大而无法显示在我的屏幕上，因此我需要使用字典来检查键（接受的解决方案返回完整的字符串）。

于 2020-07-13T07:47:41.547 回答
0

我推荐以下脚本：tfrecord-view。

它可以使用 TF 和 openCV 方便地对 TF 记录进行目视检查，尽管需要进行一些修改（对于标签等）。请参阅存储库中的更多说明

于 2020-05-26T06:30:05.550 回答