Tensorflow將uint8張量視為float32張量

Question

我有一堆自定義格式id的訓練示例文件，喜歡加載到tensorflow模型中，但是我不知道如何有效地解析數據。

這些文件有一個20字節的標頭，描述了功能數，標簽數，示例數等。標頭后跟一些示例。 每個示例都是代表功能的一些float32，然后是代表標簽的一些uint8，因此文件的其余部分是float和uint的交替模式。

我一直在使用tf.read_file和tf.decode_raw將文件作為uint8s的向量，現在id喜歡從標簽中切片特征，並以小端順序將特征向量視為float32向量。 張量流中有這種可能性嗎？

我已經成功地使用numpy解析了文件並將功能和標簽轉換為tf.constant ，但是將它直接加載到tensorflow似乎更有效。

Answer 1

假設所有數據都是固定大小的，則需要使用Slicing和Joining運算符對數據進行解交織。 然后，你可以使用decode_raw與out_dtype=tf.float32上的圖像數據，並再次切片分別得到您的載體。