codecamp

TensorFlow从文件中输出记录的读取器

函数:tf.FixedLengthRecordReader

FixedLengthRecordReader 类

继承自: ReaderBase

定义在:tensorflow/python/ops/io_ops.py.

参阅指南:输入和读取器>阅读器

从文件中输出固定长度记录的读取器.

有关支持的方法,请参见 ReaderBase.

函数属性

  • reader_ref
    实现读者的操作.
  • supports_serialize
    Reader实现是否可以序列化其状态.

函数方法

  • __init__
    __init__(
        record_bytes,
        header_bytes=None,
        footer_bytes=None,
        hop_bytes=None,
        name=None,
        encoding=None
    )

    创建一个 FixedLengthRecordReader.

    参数:

    • record_bytes:一个 int.
    • header_bytes:可选的 int;默认为0.
    • footer_bytes:可选的 int;默认为0.
    • hop_bytes:可选的 int;默认为0.
    • name:操作的名称(可选).
    • encoding:文件的编码类型.默认为无.
  • num_records_produced
    num_records_produced(name=None)

    返回此读取器生成的记录数.

    这与已成功读取的执行次数相同.

    参数:

    • name:操作的名称(可选).

    返回值:

    该方法返回一个 int64 类型的张量.

  • num_work_units_completed
    num_work_units_completed(name=None)

    返回此读取器已完成处理的工作单元数.

    参数:

    • name:操作的名称(可选).

    返回值:

    该方法返回一个 int64 类型的张量.

  • read
    read(
        queue,
        name=None
    )

    返回读取器生成的下一个记录(键值对).

    如果需要,将从队列中出现一个工作单元(例如,当 Reader 需要从新文件开始读取,因为它已经完成了上一个文件).

    参数:

    • queue:一个队列或可变字符串张量用于表示队列的句柄,带有字符串工作项.
    • name:操作的名称(可选).

    返回值:

    该方法返回张量的一个元组(key,value).key:字符串标量张量.value:字符串标量张量.

  • read_up_to
    read_up_to(
        queue,
        num_records,
        name=None
    )

    返回由读取器生成的 num_records(键值对).

    如果需要,将从队列中出现一个工作单元(例如,当 Reader 需要从新文件开始读取,因为它已经完成了上一个文件).即使在最后一批之前,它也可能比 num_records 返回的少.

    参数:

    • queue:一个队列或可变字符串张量用来表示队列的句柄,带有字符串工作项.
    • num_records:要读取的记录数.
    • name:操作的名称(可选).

    返回:

    该方法返回一个张量元组:(key,value).key 和 value 都是 1-D 字符串张量.

  • reset
    reset(name=None)

    将读取器还原到其初始状态.

    参数:

    • name:操作的名称(可选).

    返回:

    该方法返回创建的操作.

  • restore_state
    restore_state(
        state,
        name=None
    )

    将读取器还原到以前保存的状态.
    不是所有的读取器支持被还原,因此这可能产生未实现的错误.

    参数:

    • state:字符串张量.具有匹配类型的读取器的 SerializeState 的结果.
    • name:操作的名称(可选).

    返回值:

    该方法返回创建的操作.

  • serialize_state
    serialize_state(name=None)

    生成用于对读取器状态进行编码的字符串张量.
    并非所有的读取器都支持序列化,因此这可能产生未实现的错误.

    参数:

    • name:操作的名称(可选).

    返回值:

    该方法返回一个字符串张量.


TensorFlow怎么解析固定长度输入功能
如何将TensorFlow输入特征解析为张量
温馨提示
下载编程狮App,免费阅读超1000+编程语言教程
取消
确定
目录

TensorFlow 函数介绍

TensorFlow 函数模块:tf

TensorFlow的image模块

TensorFlow使用之tf.io

TensorFlow使用之tf.keras

TensorFlow函数教程:tf.keras.applications

TensorFlow函数教程:tf.keras.backend

TensorFlow使用之tf.metrics

TensorFlow使用之tf.nn

TensorFlow使用之tf.python_io

TensorFlow 功能函数

关闭

MIP.setData({ 'pageTheme' : getCookie('pageTheme') || {'day':true, 'night':false}, 'pageFontSize' : getCookie('pageFontSize') || 20 }); MIP.watch('pageTheme', function(newValue){ setCookie('pageTheme', JSON.stringify(newValue)) }); MIP.watch('pageFontSize', function(newValue){ setCookie('pageFontSize', newValue) }); function setCookie(name, value){ var days = 1; var exp = new Date(); exp.setTime(exp.getTime() + days*24*60*60*1000); document.cookie = name + '=' + value + ';expires=' + exp.toUTCString(); } function getCookie(name){ var reg = new RegExp('(^| )' + name + '=([^;]*)(;|$)'); return document.cookie.match(reg) ? JSON.parse(document.cookie.match(reg)[2]) : null; }