前言 由于TensorFlow常用TFrecords作为输入格式，我们需要将制作好的Pascal VOC转为TFrecords格式。使用 object detection API 内提供的脚本。 TFRecords格式如下： -uint64 length -uint32 masked_crc32_of_length -byte data[length] -uint32 masked_crc32_of_data 前置要求： Anaconda3（使用python3.x） 制作好的Pascal VOC数据集 1、配置protobuf Google的protobuf是一种轻便高效的结构化数据存储格

通过pillow的image直接读取图像，并用numpy转化图像为numpy数组，保存到tfrecords文件中，方便快速

图片分类数据集制作用于cnn等其他网络，便于读取二进制数据

用于 把手写数字识别的图片和标签制作成tfrecords文件，方便输入神经网络训练，训练时调用get_tfrecords()函数

可以把MIT-BIH数据的mat文件形式的转化为Tfrecords形式的文件，更方便于tensorflow神经网络的训练。并包含简单的读取历程示范。

本篇文章主要介绍了Tensorflow之构建自己的图片数据集TFrecords的方法，小编觉得挺不错的，现在分享给大家，也给大家做个参考。一起跟随小编过来看看吧

train.tfrecords用于二次元动漫头像生成模型，为TFRecord数据，包含约60000张动漫图像。

35550 张大小写英文字母图片制作成的TFRecords数据集文件

使用TensorFlow把图片数据制作成TFrecord数据，数据集可以是各种图片数据。

用tensorflow框架进行模型训练的时候，有部分需要将原数据的jpg格式的图片转化成tfrecords格式才能喂给模型进行训练。所以写了这个代码。