我正在尝试用我的数据表示写入和读取TFRecord，如下所示：
输入的形状为：[100000,600]，类型为float。
标签的形状为：[100000,185,17]，类型为int。
我的主要问题是如何在阅读过程中处理float类型的输入。我已经创建了TFRecordWriter，如下所示没有错误（尽管我不是100％确信这是正确的）。但是，我不知道在TFRecordReader期间如何解码生成的原始浮动特征（如果它是一个字符串，我会使用tf.decode_raw）
编辑---我已经想出了如何阅读浮动功能。它需要使用tf.VarLenFeature来创建稀疏张量。然后通过其.values操作从中提取浮点张量。我在错误跟踪后输入了下面的工作read_and_decode函数。
def convert_to(input, labels, name):
num_examples = input.shape[0]
input_dim1 = input.shape[1]
labels_dim1 = labels.shape[1]
labels_dim2 = labels.shape[2]
filename = os.path.join(DATA_DIR, name + '.tfrecords')
print('Writing', filename)
writer = tf.python_io.TFRecordWriter(filename)
for index in range(num_examples):
input_raw = input[index]
labels_raw = labels[index].tostring()
example = tf.train.Example(features=tf.train.Features(feature={
'input_d1': _int64_feature(input_dim1),
'labels_d1': _int64_feature(labels_dim1),
'labels_d2': _int64_feature(labels_dim2),
'input_raw': _float_feature(input_raw),
'labels_raw': _bytes_feature(labels_raw)}))
writer.write(example.SerializeToString())
writer.close()
以下是我尝试过的读者代码，当我尝试解码原始输入时，这会给我一个错误：
def read_and_decode(filename_queue):
reader = tf.TFRecordReader()
_, serialized_example = reader.read(filename_queue)
features = tf.parse_single_example(
serialized_example,
features={
'input_dim1': tf.FixedLenFeature([], tf.int64),
'labels_dim1': tf.FixedLenFeature([], tf.int64),
'labels_dim2': tf.FixedLenFeature([], tf.int64),
'input_raw': tf.FixedLenFeature([], tf.float32),
'labels_raw': tf.FixedLenFeature([], tf.string)
})
input = features['input_raw'] #CONFUSION HERE
labels = tf.decode_raw(features['labels_raw'], tf.uint8)
labels = tf.reshape(labels, [185,17])
print (labels.shape) #CORRECTLY GIVES (185, 17)
input = tf.reshape(input, [600]) #ERROR HERE
print (input.shape)
错误跟踪如下：
文件“/users/trabinow/compound_prediction/spectra2smiles/spectra2smiles_refined/spectra2smiles_input.py”，第53行，在read_and_decode中 input = tf.reshape（input，[600]）
文件“/users/trabinow/.local/lib/python2.7/site-packages/tensorflow/python/ops/gen_array_ops.py”，第2630行，重塑 名称=名）
文件“/users/trabinow/.local/lib/python2.7/site-packages/tensorflow/python/framework/op_def_library.py”，第763行，在apply_op op_def = op_def）
文件“/users/trabinow/.local/lib/python2.7/site-packages/tensorflow/python/framework/ops.py”，第2397行，在create_op中 set_shapes_for_outputs（RET）
文件“/users/trabinow/.local/lib/python2.7/site-packages/tensorflow/python/framework/ops.py”，第1757行，在set_shapes_for_outputs中 shapes = shape_func（op）
文件“/users/trabinow/.local/lib/python2.7/site-packages/tensorflow/python/framework/ops.py”，第1707行，在call_with_requiring中 return call_cpp_shape_fn（op，require_shape_fn = True）
文件“/users/trabinow/.local/lib/python2.7/site-packages/tensorflow/python/framework/common_shapes.py”，第610行，在call_cpp_shape_fn中 debug_python_shape_fn，require_shape_fn）
文件“/users/trabinow/.local/lib/python2.7/site-packages/tensorflow/python/framework/common_shapes.py”，第675行，在_call_cpp_shape_fn_impl 提出ValueError（err.message）
ValueError：无法使用1个元素重塑一个张量，使用输入形状为'tower_0 / Reshape_1'（op：'Reshape'）整形[600]（600个元素）：[]，[1]。
=============================================== =========================
以下是读者的新工作代码：
def read_and_decode(filename_queue):
reader = tf.TFRecordReader()
_, serialized_example = reader.read(filename_queue)
features = tf.parse_single_example(
serialized_example,
features={
'input_dim1': tf.FixedLenFeature([], tf.int64),
'labels_dim1': tf.FixedLenFeature([], tf.int64),
'labels_dim2': tf.FixedLenFeature([], tf.int64),
'input_raw': tf.VarLenFeature(tf.float32),
'labels_raw': tf.FixedLenFeature([], tf.string)
})
input = features['input_raw'].values
labels = tf.decode_raw(features['labels_raw'], tf.uint8)
labels = tf.reshape(labels, [185,17])
print (labels.shape) #CORRECTLY GIVES (185, 17)
input = tf.reshape(input, [600])
print (input.shape) #CORRECTLY GIVES (600,)