tf2 加载tfrecord 代码

以下是 TensorFlow 2.x 中加载 TFRecord 的示例代码：

import tensorflow as tf

# 定义解析函数
def parse_example(example_proto):
    feature_description = {
        'image': tf.io.FixedLenFeature([], tf.string),
        'label': tf.io.FixedLenFeature([], tf.int64),
    }
    # 解析单个样本
    example = tf.io.parse_single_example(example_proto, feature_description)
    # 解码图像数据
    image = tf.io.decode_jpeg(example['image'], channels=3)
    # 归一化图像数据
    image = tf.cast(image, tf.float32) / 255.0
    # 返回图像和标签
    return image, example['label']

# 加载 TFRecord 文件
filenames = ['train.tfrecord']
raw_dataset = tf.data.TFRecordDataset(filenames)

# 解析 TFRecord 数据
dataset = raw_dataset.map(parse_example)

# 打印前 10 个样本
for image, label in dataset.take(10):
    print('Image shape: ', image.shape)
    print('Label: ', label)

在上述代码中，我们首先定义了一个解析函数 `parse_example`，它将 TFRecord 中的每个样本解析成图像和标签。然后我们使用 `TFRecordDataset` 加载 TFRecord 文件，并使用 `map` 方法将每个样本解析成图像和标签。最后，我们使用 `take` 方法打印前 10 个样本。