如何使用 Dataset API 读取变体长度列表的 TFRecords 文件？

Question

我想使用 Tensorflow 的 Dataset API 来读取变体长度列表的 TFRecords 文件。这是我的代码。

def _int64_feature(value):
    # value must be a numpy array.
    return tf.train.Feature(int64_list=tf.train.Int64List(value=value))
def main1():
    # Write an array to TFrecord.
    # a is an array which contains lists of variant length.
    a = np.array([[0, 54, 91, 153, 177],
                 [0, 50, 89, 147, 196],
                 [0, 38, 79, 157],
                 [0, 49, 89, 147, 177],
                 [0, 32, 73, 145]])

    writer = tf.python_io.TFRecordWriter('file')

    for i in range(a.shape[0]): # i = 0 ~ 4
        x_train = a[i]
        feature = {'i': _int64_feature(np.array([i])), 'data': _int64_feature(x_train)}

        # Create an example protocol buffer
        example = tf.train.Example(features=tf.train.Features(feature=feature))

        # Serialize to string and write on the file
        writer.write(example.SerializeToString())

    writer.close()

    # Check TFRocord file.
    record_iterator = tf.python_io.tf_record_iterator(path='file')
    for string_record in record_iterator:
        example = tf.train.Example()
        example.ParseFromString(string_record)

        i = (example.features.feature['i'].int64_list.value)
        data = (example.features.feature['data'].int64_list.value)
        #data = np.fromstring(data_string, dtype=np.int64)
        print(i, data)

    # Use Dataset API to read the TFRecord file.
    def _parse_function(example_proto):
        keys_to_features = {'i'   :tf.FixedLenFeature([], tf.int64),
                            'data':tf.FixedLenFeature([], tf.int64)}
        parsed_features = tf.parse_single_example(example_proto, keys_to_features)
        return parsed_features['i'], parsed_features['data']

    ds = tf.data.TFRecordDataset('file')
    iterator = ds.map(_parse_function).make_one_shot_iterator()
    i, data = iterator.get_next()
    with tf.Session() as sess:
        print(i.eval())
        print(data.eval())

检查 TFRecord 文件

[0] [0, 54, 91, 153, 177]
[1] [0, 50, 89, 147, 196]
[2] [0, 38, 79, 157]
[3] [0, 49, 89, 147, 177]
[4] [0, 32, 73, 145]

但当我尝试使用 Dataset API 读取 TFRecord 文件时，它显示以下错误。

tensorflow.python.framework.errors_impl.InvalidArgumentError：名称： ，键：数据，索引：0。int64 值的数量！= 预期。 值大小：5 但输出形状：[]

谢谢。
更新： 我尝试使用以下代码通过 Dataset API 读取 TFRecord，但都失败了。

def _parse_function(example_proto):
    keys_to_features = {'i'   :tf.FixedLenFeature([], tf.int64),
                        'data':tf.VarLenFeature(tf.int64)}
    parsed_features = tf.parse_single_example(example_proto, keys_to_features)
    return parsed_features['i'], parsed_features['data']

ds = tf.data.TFRecordDataset('file')
iterator = ds.map(_parse_function).make_one_shot_iterator()
i, data = iterator.get_next()
with tf.Session() as sess:
    print(sess.run([i, data]))

或

def _parse_function(example_proto):
    keys_to_features = {'i'   :tf.VarLenFeature(tf.int64),
                        'data':tf.VarLenFeature(tf.int64)}
    parsed_features = tf.parse_single_example(example_proto, keys_to_features)
    return parsed_features['i'], parsed_features['data']

ds = tf.data.TFRecordDataset('file')
iterator = ds.map(_parse_function).make_one_shot_iterator()
i, data = iterator.get_next()
with tf.Session() as sess:
    print(sess.run([i, data]))

还有错误：

Traceback（最近一次调用最后）：文件“/usr/local/lib/python3.5/dist-packages/tensorflow/python/framework/tensor_util.py”， 第 468 行，在 make_tensor_proto 中 str_values = [compat.as_bytes(x) for x in proto_values] 文件 "/usr/local/lib/python3.5/dist-packages/tensorflow/python/framework/tensor_util.py", 第 468 行，在 str_values = [compat.as_bytes(x) for x in proto_values] 文件 "/usr/local/lib/python3.5/dist-packages/tensorflow/python/util/compat.py", 第 65 行，在 as_bytes 中 (bytes_or_text,)) TypeError: Expected binary or unicode string, got

在处理上述异常的过程中，又发生了一个异常：

Traceback（最近一次调用最后一次）：文件“2tfrecord.py”，第 126 行，在 main1() 文件“2tfrecord.py”，第 72 行，在 main1 iterator = ds.map(_parse_function).make_one_shot_iterator() 文件 "/usr/local/lib/python3.5/dist-packages/tensorflow/python/data/ops/dataset_ops.py", 第 712 行，在地图中 返回 MapDataset(self, map_func) 文件 "/usr/local/lib/python3.5/dist-packages/tensorflow/python/data/ops/dataset_ops.py", 第 1385 行，在 init 中 self._map_func.add_to_graph(ops.get_default_graph()) 文件 "/usr/local/lib/python3.5/dist-packages/tensorflow/python/framework/function.py", 第 486 行，在 add_to_graph self._create_definition_if_needed() 文件“/usr/local/lib/python3.5/dist-packages/tensorflow/python/framework/function.py”， 第 321 行，在 _create_definition_if_needed self._create_definition_if_needed_impl() 文件“/usr/local/lib/python3.5/dist-packages/tensorflow/python/framework/function.py”， 第 338 行，在 _create_definition_if_needed_impl 输出= self._func（*输入）文件“/usr/local/lib/python3.5/dist-packages/tensorflow/python/data/ops/dataset_ops.py”， 第 1376 行，在 tf_map_func 中 flattened_ret = [ops.convert_to_tensor(t) for t in nest.flatten(ret)] 文件 "/usr/local/lib/python3.5/dist-packages/tensorflow/python/data/ops/dataset_ops.py", 第 1376 行，在 flattened_ret = [ops.convert_to_tensor(t) for t in nest.flatten(ret)] 文件 "/usr/local/lib/python3.5/dist-packages/tensorflow/python/framework/ops.py", 第 836 行，在 convert_to_tensor 中 as_ref=False) 文件 "/usr/local/lib/python3.5/dist-packages/tensorflow/python/framework/ops.py", 第 926 行，internal_convert_to_tensor ret = conversion_func（值，dtype=dtype，name=name，as_ref=as_ref）文件 “/usr/local/lib/python3.5/dist-packages/tensorflow/python/framework/constant_op.py”， 第 229 行，在 _constant_tensor_conversion_function 返回常量（v，dtype=dtype，name=name）文件“/usr/local/lib/python3.5/dist-packages/tensorflow/python/framework/constant_op.py”， 第 208 行，保持不变 值，dtype=dtype，shape=shape，verify_shape=verify_shape)) 文件 "/usr/local/lib/python3.5/dist-packages/tensorflow/python/framework/tensor_util.py", 第 472 行，在 make_tensor_proto 中 “支持的类型。” % (type(values), values)) TypeError: 无法将类型对象转换为张量。 内容： SparseTensor(indices=Tensor("ParseSingleExample/Slice_Indices_i:0", 形状=(?, 1), dtype=int64), values=Tensor("ParseSingleExample/ParseExample/ParseExample:3", 形状=(?,), dtype=int64), dense_shape=Tensor("ParseSingleExample/Squeeze_Shape_i:0", shape=(1,), dtype=int64))。考虑将元素转换为支持的类型。

Python 版本：3.5.2
TensorFlow 版本：1.4.1

Answer 1

错误很简单。你的data 不是FixedLenFeature 它是VarLenFeature。替换你的行：

 'data':tf.FixedLenFeature([], tf.int64)}

与

 'data':tf.VarLenFeature(tf.int64)}

此外，当您调用 print(i.eval()) 和 print(data.eval()) 时，您将调用迭代器两次。第一个print 将打印0，但第二个将打印第二行的值[ 0, 50, 89, 147, 196]。您可以通过print(sess.run([i, data])) 获取同一行的i 和data。

Answer 2

经过数小时的搜索和尝试，我相信答案已经浮出水面。下面是我的代码。

def _int64_feature(value):
    # value must be a numpy array.
    return tf.train.Feature(int64_list=tf.train.Int64List(value=value.flatten()))

# Write an array to TFrecord.
# a is an array which contains lists of variant length.
a = np.array([[0, 54, 91, 153, 177],
              [0, 50, 89, 147, 196],
              [0, 38, 79, 157],
              [0, 49, 89, 147, 177],
              [0, 32, 73, 145]])

writer = tf.python_io.TFRecordWriter('file')

for i in range(a.shape[0]): # i = 0 ~ 4
    x_train = np.array(a[i])
    feature = {'i'   : _int64_feature(np.array([i])), 
               'data': _int64_feature(x_train)}

    # Create an example protocol buffer
    example = tf.train.Example(features=tf.train.Features(feature=feature))

    # Serialize to string and write on the file
    writer.write(example.SerializeToString())

writer.close()

# Check TFRocord file.
record_iterator = tf.python_io.tf_record_iterator(path='file')
for string_record in record_iterator:
    example = tf.train.Example()
    example.ParseFromString(string_record)

    i = (example.features.feature['i'].int64_list.value)
    data = (example.features.feature['data'].int64_list.value)
    print(i, data)

# Use Dataset API to read the TFRecord file.
filenames = ["file"]
dataset = tf.data.TFRecordDataset(filenames)
def _parse_function(example_proto):
    keys_to_features = {'i':tf.VarLenFeature(tf.int64),
                        'data':tf.VarLenFeature(tf.int64)}
    parsed_features = tf.parse_single_example(example_proto, keys_to_features)
    return tf.sparse_tensor_to_dense(parsed_features['i']), \
           tf.sparse_tensor_to_dense(parsed_features['data'])
# Parse the record into tensors.
dataset = dataset.map(_parse_function)
# Shuffle the dataset
dataset = dataset.shuffle(buffer_size=1)
# Repeat the input indefinitly
dataset = dataset.repeat()  
# Generate batches
dataset = dataset.batch(1)
# Create a one-shot iterator
iterator = dataset.make_one_shot_iterator()
i, data = iterator.get_next()
with tf.Session() as sess:
    print(sess.run([i, data]))
    print(sess.run([i, data]))
    print(sess.run([i, data]))

有几件事需要注意。
1. 这个SO 问题很有帮助。
2. tf.VarLenFeature 会返回 SparseTensor，因此需要使用 tf.sparse_tensor_to_dense 转换为稠密张量。
3. 在我的代码中，parse_single_example() 不能替换为parse_example()，这让我困扰了一天。我不知道为什么parse_example() 不起作用。有谁知道原因，请赐教。