函式：tf.lmdbreader
lmdbreader 類
繼承自： readerbase
從 lmdb 檔案中輸出記錄的讀取器.
有關支援的方法, 請參見 readerbase.
屬性reader_ref
實現讀取器(reader)的操作.
supports_serialize
讀取器(reader)實現是否可以序列化其狀態.
方法__init____init__(
name=none,
options=none
建立乙個 lmdbreader.
引數：name：操作的名稱(可選).
options：乙個 lmdbrecordoptions 物件(可選).
num_records_producednum_records_produced(name=none)
返回此讀取器生成的記錄數.
這與已成功讀取的執行次數相同.
引數：name：操作的名稱(可選).
返回值：
該方法返回乙個 int64 型別的張量.
num_work_units_completednum_work_units_completed(name=none)
返回讀取器已完成處理的工作單位數.
引數：name：操作的名稱(可選).
返回值：
該方法返回乙個 int64 型別的張量.
readread(
queue,
name=none
返回讀取器生成的下一條記錄 (鍵值對).
如果需要,將從佇列**列乙個工作單元 (例如,當讀取器需要從乙個新檔案中開始讀取,因為它已經完成了上乙個檔案).
引數：queue：表示佇列控制代碼的佇列或可變的字串張量,帶有字串工作項.
name：操作的名稱(可選).
返回值：
該方法返回張量的元組 (key, value),其中 key 和 value 都為乙個字串標量張量.
read_up_toread_up_to(
queue,
num_records,
name=none
返回由讀取器生成的 num_records(鍵值對).
如果需要,將從佇列**列乙個工作單元(例如,當 reader 需要從新檔案開始讀取,因為它已經完成了上乙個檔案).即使在最後一批之前,它也可能比 num_records 返回的少.
引數：queue：表示佇列控制代碼的佇列或可變的字串張量,帶有字串工作項.
num_records：要讀取的記錄數.
name：操作的名稱(可選).
返回值：
該方法返回張量的元組 (key, value),其中 key 和 value 都為乙個一維的字串張量.
resetreset(name=none)
將讀取器還原到其初始狀態.
引數：name：操作的名稱(可選).
返回值：
該方法返回您建立的操作.
restore_staterestore_state(
state,
name=none
將讀取器還原到先前儲存的狀態.
並不是所有的讀取器都支援被還原,所以這可能會產生未實現的錯誤.
引數：state：字串張量.具有匹配型別的讀取器的 serializestate 的結果.
name：操作的名稱(可選).
返回值：
該方法返回您建立的操作.
serialize_stateserialize_state(name=none)
生成用於對讀取器狀態進行編碼的字串張量.
並非所有的讀取器都支援序列化,因此這可能產生未實現的錯誤.
引數：name：操作的名稱(可選).
返回值：
返回乙個字串張量.
LMDB檔案的python讀取
1.python語法 列表推導式 2.numpy 一些函式 3.matplotlib 一些函式 4.matplotlib 高階函式 5.執行緒 程序 函式 6.cython的使用 7.lmdb的讀取 lmdb檔案可以同時由多個程序開啟，具有極高的資料訪問速度，訪問簡單，不需要執行單獨的資料庫管理程序...
caffe python讀取lmdb檔案
一般用caffe訓練模型的時候，都會首先把資料寫入資料庫，lmdb leveldb，但如果寫入之後想check一下是否寫對了，怎麼去讀lmdb檔案呢？這裡用python 讀取lmdb檔案，檢視其中的內容，看是否符合預期。如下 python 01import caffe 02import lmdb 0...
讀取LMDB檔案的樣本數量
在caffe中一般會把資料轉為lmdb或者leveldb格式，再做訓練，加速訓練過程。如何讀取lmdb檔案呢？比如需要獲知某個lmdb檔案的樣本數量。在python下，比較簡單，生成lmdb後，可以用如下的 獲取 import lmdb env lmdb.open lmdb path txn env...