吴裕雄--天生自然 pythonTensorFlow图形数据处理：将MNIST手写图片数据写入TFRecord文件

import numpy as np
import tensorflow as tf

from tensorflow.examples.tutorials.mnist import input_data

# 定义函数转化变量类型。
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]))

# 读取mnist训练数据。
mnist = input_data.read_data_sets("F:\TensorFlowGoogle\201806-github\datasets\MNIST_data\",dtype=tf.uint8, one_hot=True)
images = mnist.train.images
labels = mnist.train.labels
pixels = images.shape[1]#训练数据的图像分辨率，可作为Example的一个属性
print(pixels)

num_examples = mnist.train.num_examples
print(type(num_examples))
print(num_examples)#训练图片的张数

print(type(images))
print(images[0].shape)
print(images.shape)

print(type(labels))
print(labels[0].shape)
print(labels.shape)

# 将数据转化为tf.train.Example格式。
def _make_example(pixels, label, image):
    image_raw = image.tostring()
    example = tf.train.Example(features=tf.train.Features(feature={
        'pixels': _int64_feature(pixels),
        'label': _int64_feature(np.argmax(label)),
        'image_raw': _bytes_feature(image_raw)
    }))
    return example

# 输出包含训练数据的TFRecord文件。
with tf.compat.v1.python_io.TFRecordWriter("F:\output.tfrecords") as writer:
    for index in range(num_examples):
        example = _make_example(pixels, labels[index], images[index])
        writer.write(example.SerializeToString())
print("TFRecord训练文件已保存。")