浮動小数点numpy配列を持つテンソルフローレコード

Question

テンソルフローレコードを作成してモデルをフィードしたい。 これまでは、uint8 numpy配列をTFRecord形式に格納するために次のコードを使用しました。

私は、このコード例

features = tf.parse_single_example(example, features={ 
    'image_raw': tf.FixedLenFeature([], tf.string), 
    'map_raw': tf.FixedLenFeature([], tf.string), 
    'label_raw': tf.FixedLenFeature([], tf.string), 
}) 

image = tf.decode_raw(features['image_raw'], tf.uint8) 
image.set_shape(params.IMAGE_HEIGHT*params.IMAGE_WIDTH*3) 
image = tf.reshape(image_, (params.IMAGE_HEIGHT,params.IMAGE_WIDTH,3)) 

map = tf.decode_raw(features['map_raw'], tf.uint8) 
map.set_shape(params.MAP_HEIGHT*params.MAP_WIDTH*params.MAP_DEPTH) 
map = tf.reshape(map, (params.MAP_HEIGHT,params.MAP_WIDTH,params.MAP_DEPTH)) 

label = tf.decode_raw(features['label_raw'], tf.uint8) 
label.set_shape(params.NUM_CLASSES) 

を読んで、それがうまく働いて

def _int64_feature(value): 
    return tf.train.Feature(int64_list=tf.train.Int64List(value=[value])) 


def _bytes_feature(value): 
    return tf.train.Feature(bytes_list=tf.train.BytesList(value=[value])) 


def _floats_feature(value): 
    return tf.train.Feature(float_list=tf.train.FloatList(value=[value])) 


def convert_to_record(name, image, label, map): 
    filename = os.path.join(params.TRAINING_RECORDS_DATA_DIR, name + '.' + params.DATA_EXT) 

    writer = tf.python_io.TFRecordWriter(filename) 

    image_raw = image.tostring() 
    map_raw = map.tostring() 
    label_raw = label.tostring() 

    example = tf.train.Example(features=tf.train.Features(feature={ 
     'image_raw': _bytes_feature(image_raw), 
     'map_raw': _bytes_feature(map_raw), 
     'label_raw': _bytes_feature(label_raw) 
    }))   
    writer.write(example.SerializeToString()) 
    writer.close() 

。今私はuint8の代わりにfloat numpy配列の配列 "map"を使って同じことをしたいのですが、それを行う方法の例が見つかりませんでした。 関数_floats_featureを試しました。これはスカラーを渡すと機能しますが、配列では機能しません。 uint8で をシリアライズするには、tostring（）メソッドを使用します。

浮動小数点数の配列をシリアル化するにはどうすればよいですか？

Answer 1

FloatListおよびBytesListは繰り返し可能です。だから、浮動小数点のリストを渡す必要があります。あなたの_float_featureに余分なブラケットを取り外し、すなわち

def _floats_feature(value): 
    return tf.train.Feature(float_list=tf.train.FloatList(value=value)) 

numpy_arr = np.ones((3,)).astype(np.float) 
example = tf.train.Example(features=tf.train.Features(feature={"bytes": _floats_feature(numpy_arr)})) 
print(example) 

features { 
    feature { 
    key: "bytes" 
    value { 
     float_list { 
     value: 1.0 
     value: 1.0 
     value: 1.0 
     } 
    } 
    } 
} 

Answer 2

私はヤロスラフの答えに拡大していきます。

Int64List、BytesListおよびFloatListは、iterator of the underlying elements（繰り返しフィールド）を想定しています。あなたの場合は、イテレータとしてリストを使うことができます。

あなたが言った：私はそれにスカラーを渡すが、の配列では動作しません。スカラーを渡すと、_floats_featureは1つの浮動小数点要素の配列を（期待どおりに）作成するので、これが期待されます。しかし、配列を渡すときには、配列のリストを作成し、それを浮動小数点のリストを期待する関数に渡します。

は、だからあなたの関数から配列の構築を削除します。

numpy_arr = np.ones（（3,3））astype（：番目の列が入力されたとき、ヤロスラフの例では、失敗した

Answer 3

float_list=tf.train.FloatList(value=value) npy.float）

入力としてnumpy_arr.ravel（）を使用したときに機能することが判明しました。しかし、それを行うより良い方法はありますか？