tensorflow小白一枚，折腾了一晚上终于把昨天从FDDB数据集中截取的5000多张人脸图像生成了TFRecord文件，方便之后的读取（截取5k多人脸的python代码可以看前一篇FDDB数据集处理） 先用tensorflow自带的mnist数据集试了试，生成成功之后做了些修改，用来处理自己的数据
import tensorflow as tf from PIL import Image import pylab labels=[1] #print(type(labels[0])) #生成整数型的属性 def _int64_feature(value): return tf.train.Feature(int64_list=tf.train.Int64List(value=[value])) #生成字符串的属性 def _bytes_feature(value): return tf.train.Feature(bytes_list=tf.train.BytesList(value=[value])) #输出TFRord文件地址 filename=r'C:\Users\Administrator\Desktop\dataset\TFRcords\faces-images.tfrecords' #创建写入的writer writer=tf.python_io.TFRecordWriter(filename) for index in range(1,5172): # 读取faces的路径 facesfile = r'C:\Users\Administrator\Desktop\dataset\faces-resize-gray\{}.jpg'.format(index) images= Image.open(facesfile) #将读入的图片转为array image_array=pylab.array(images) image_str=image_array.tostring() example=tf.train.Example(features=tf.train.Features(feature={ 'pixels':_int64_feature(image_array.shape[0]), 'label':_int64_feature(labels[0]), 'image_array':_bytes_feature(image_str) })) # 将example写入TFRecord文件 writer.write(example.SerializeToString()) writer.close()