本文共 1085 字，大约阅读时间需要 3 分钟。
一、前言：
在学习tensorflow的时候，里面除了具体的项目实践外，还涉及到了创建TFRecord格式的数据集，今天回顾一下这个内容。
单位的机器只有ananconda2的python2.7，下面先贴出用conda创建虚拟环境的相关命令。
conda设置国内镜像：
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/ conda config --set show_channel_urls yes
安装成功：
三、使用tfrecord制作自己的数据集
现在分别利用两类不同的猫数据：英国短毛猫和缅甸猫来做数据，每类都有5个：
① 制作TFRECORD文件
1 先聊一下tfrecord, 这是一种将图像数据和标签放在一起的二进制文件，能更好的利用内存，在tensorflow中快速的复制，移动，读取，存储 等等..
这里注意，tfrecord会根据你选择输入文件的类，自动给每一类打上同样的标签 如在本例中，只有0,1 两类 2 先上“制作TFRecord文件”的代码，注释附详解
tf.train.Example 协议内存块包含了Features字段，通过feature将图片的二进制数据和label进行统一封装， 然后将example协议内存块转化为字符串， tf.python_io.TFRecordWriter 写入到TFRecords文件中。
于是，生成一个cat_train.tfrecords的文件——cat_train.tfrecords
② 读取TFRECORD文件
这里需要注意的是： feature的属性label和img_raw应该和制作时起的名称一致，返回的img数据和label数据一一对应。返回的img和label是2个tf张量。
③ 显示tfrecord格式的图片
有些时候我们希望检查分类是否有误，或者在之后的网络训练过程中可以监视，输出图片，来观察分类等操作的结果，那么我们就可以session回话中，将tfrecord的图片从流中读取出来，再保存。 紧跟着一开始的代码写：
- tensorflow常用一些基本概念与函数
Wait for all the threads to terminate, give them 10s grace period 给每个线程10s的宽限期
coord.join(threads, stop_grace_period_secs=10)
在这里可以看到，图片已经被正确的打上label，没问题。
