实现人脸识别性别之路---制作训练集中使用到的函数

Tf.python_io.TFRecordWrite(path：TFRcord文件路径):表示的是个类，它的作用是创建一个对象，这个对象负责将数据写入TFRecords文件中

 

Enumerate()参数、用法

用法：将一个可遍历的数据对象组合为一个索引序列，同时列出数据和数据下标

 

Tf.train.Int64List()：参数、作用

参数：列表

作用：将每个列表中的元素改为int64

返回值：元素为int64的列表

 

Tf.train.Features(feature)：参数、作用

作用：构建每个样本的信息键值对

Feature:字典数据，key为要保存的名字，value为tf.train.Feature的实例

Return：Features类型

 

Tf.train.Example():参数、作用、返回值

参数：能够成一个例子的所包含的东西，

作用：将图片数据转化为tfrecord的例子

 

调用数据集

Tf.train.string_input_producer():参数、意义

参数：文件夹地址、shuffle(当他的值为True的时候，表示在读取文件夹的文件的时候，会打乱读取的顺序)、equchs表示总的列表进去的列队的次数

意义：

出现的错误：ValueError: Shape () must have rank at least 1。这是因为传入的文件不对，传入的文件格式为：.tfrecord

 

Reader.read():参数、用法、返回值

参数：文件地址

返回值：返回文件名和文件。这里应该说是返回一个文件的一些信息

 

Tf.parse_single_example()：参数、返回值、用法

参数：Reader.read()返回的文件、feartures以字典的形式赋值，img,label

返回值：img，label的字典

用法:可以通过调用字典的形式把把图像数字信息、图像对相应的名字提取出来

 

Tf.FixedLenFearture():参数，返回值，作用

参数：一个空的[]表示没有指定张量，张量里面数据的类型，如：tf.flaot32等

返回值：一个定长的张量。

Tf.decode_raw():参数、用法、意义

参数：read()函数读取到图片信息、类型参数

用法：将read()函数返回的图片的二进制数字信息进行解码

 

Tf.train.shuffle_batch()：参数的取值、返回值、用法

参数：[图像的信息,与图像信息相匹配的标签]、batch_size每次取多少个值、放入队列的容量、小于放入队列的容量值

返回值：图像的信息、与图像信息相对应的标签他们的个数都是batch_size决定的

解释的例子：

tf.train.shuffle_batch是将队列中数据打乱后，再读取出来，因此队列中剩下的数据也是乱序的，队头也是一直在补充（我猜也是按顺序补充），
比如batch_size=5,capacity=10,min_after_dequeue=5,
初始是有序的0,1，..,9(10条记录)，
然后打乱8,2,6,4,3,7,9,2,0,1(10条记录),
队尾取出5条，剩下7,9,2,0,1(5条记录),
然后又按顺序补充进来，变成7,9,2,0,1,10,11,12,13,14(10条记录)，
再打乱13,10,2,7,0,12...1(10条记录)，

再出队...