如題，TensorFlow官方為我們提供了資料讀取的標準格式：TFRecord，本文主要闡述了該資料格式的製作、讀取及驗證三個具體操作過程。

簡要介紹：tfrecord資料檔案是一種將影象資料和標籤統一儲存的二進位制檔案，能更好的利用記憶體，在tensorflow中快速的複製，移動，讀取，儲存等。tfrecord檔案包含了tf.train.Example 協議緩衝區(protocol buffer，協議緩衝區包含了特徵 Features)。你可以寫一段程式碼獲取你的資料， 將資料填入到Example協議緩衝區(protocol buffer)，將協議緩衝區序列化為一個字串，並且通過tf.python_io.TFRecordWriter class寫入到TFRecords檔案。

我們很容易就能在網上找到相關的一大堆程式碼（比如看這裡），所以一些基本的操作這裡就先不講。這裡是我的程式碼

其實在實際執行過程中，最容易出現問題的地方就是陣列之間shape的轉換，甚至沒有之一，形如（__，__，__），下面詳細說

要點：

1.影象大小、解析度、位深之間的關係

以BMP影象為例說明計算方法：
　　1、大小=解析度*位深/8；
　　2、解析度=寬*高（如：1024*768,640*480）；
　　3、位深：如24位，16位，8位；
　　4、/8計算的是位元組數。

    特別地，在製作資料集時，若同時存在不同位深的影象時，最好先統一化，利用PS即可

2.讀取tfrecord格式到圖片時，根據之前儲存的原圖片的通道數（一般channels=3或1），選擇'RGB'或者'L'

 example, l = sess.run([image,label])#在會話中取出image和label
 img=Image.fromarray(example, 'L')

 #這裡特別注意'L'的選擇

函式原型：PIL.Image.fromarray(obj, mode=None)，關於此處mode的選擇官方的說法如下：

3.經過如下操作，resize()並不改變影象的channels，example物件封裝後channels=3的原始圖片格式已經變成(width*height*channels,  )

img=Image.open(img_path)
img= img.resize((128,128))
img_raw=img.tobytes()#將圖片轉化為二進位制格式
example = tf.train.Example(features=tf.train.Features(feature={
            "label": tf.train.Feature(int64_list=tf.train.Int64List(value=[index])),
            'img_raw': tf.train.Feature(bytes_list=tf.train.BytesList(value=[img_raw]))
        })) #example物件對label和image資料進行封裝
writer.write(example.SerializeToString())  #序列化為字串
 

此時再進行讀取時，下面程式碼顯然會出錯

image = tf.decode_raw(features['img_raw'], tf.uint8)
print(image)
image = tf.reshape(image, [128, 128])#