tfrecords有一個問題就是如果資料集圖片數量太大了，使用傳統的方法tf.train.string_input_producer，就會報OutOfRangeError這個錯誤，至今我不知道怎麼解決，找了無數方法也不知道怎麼解決，不過引起的原因大部分是因為資料格式不一致，比如圖片有一部分unit8的灰度圖，但是你其實在製作RGB三通道的資料集，這樣圖片格式不一致就會報錯，具體原因可以看我其他部落格，有一個就是介紹可能引起來的各種方法。

1. 在製作資料集之前，首先要檢查資料集的格式，檢視是否一致，圖片的格式主要有RGB,RGBA,L,P，

import os
import tensorflow as tf
from PIL import Image

cwd = r'/home/hehe/python/deeplearning/pan/'
num=0
for img_name in os.listdir(cwd):
    img_path = cwd + img_name
    img = Image.open(img_path)
    print(num,img_name ,img )
 

將輸出結果貼上到word裡面，然後查詢model=RGBA，找到所有非RGB的圖片刪除，這一步很關鍵，如果不刪除後面的資料集很可能就不能用。

如果你的資料夾和你的標籤對應得上，那麼使用這種方式也可以的

#下面的程式碼是為了生成list.txt ， 把不同資料夾下的圖片和 數字label對應起來
import os

path=r"/user/huanglong/jiao/"

output_path = 'list.txt'
fd = open(output_path, 'w')
cate = [path + x for x in os.listdir(path) if os.path.isdir(path + x)]
# os.path.splitext(DATA_URL.split("/")[-1])[0]
for index, folder in enumerate(cate):
    name=os.path.splitext(folder.split("/")[-1])[0]
    for im in os.listdir(folder):
        fd.write('{}/{} {}\n'.format(name, im, name))
fd.close()
print('finish task')
 

這樣的方法就不需要你剛剛那樣每次還需要修改，只需要更改檔案路徑就好了。