我可以根据this question 创建 TFRecord 文件。但我不知道是应该将所有图像写入单个 TFRecord 文件还是创建多个 TFRecord 文件。另外，我不太了解日期集的config file。 “charset_filename”文件中应该包含哪些内容？它应该是数据集中所有可能字符的集合吗？在生成 TFRecord 文件时，我们将字符转换为整数 id，这个文件应该包含字符还是它们的 id？
【问题讨论】：
标签： python tensorflow ocr
我是否应该将所有图像写入单个 TFRecord 文件或 创建多个 TFRecord 文件
它取决于训练数据的大小，并且会影响并行预取以填充队列。我建议每个分片约 1000 个样本（一个带有 num-of-total 后缀的 tfrecord 文件，例如/path/to/my/dataset-00000-of-00512）。
“charset_filename”文件中应该有什么内容？
它是一个文本文件，它定义了整数 id 和相应字符之间的映射。它具有以下格式：
<id><TAB><character>
文件中的某一行应为 <nul> 字符定义一个 id - 模型在到达序列末尾时输出的特殊字符，以将输出填充到固定长度。
例如，这里是 FSNS 数据集charset file 的摘录：
0
133 <nul>
1 l
2 ’
3 é
4 t
请注意，<SPACE> 字符的 id=0。
它应该是数据集中所有可能字符的集合吗？
是的。此文件应为数据集中的所有字符定义 id 到字符的映射。
在生成 TFRecord 文件时，我们将字符转换为整数 id， 这个文件应该包含字符还是它们的 id？
两者。文件中的每一行都应采用<id><TAB><character> 的形式。
【讨论】：