class CifarRead(object):

    '''

    完成读取二进制文件，写进tfrecords,读取tfrecords

    :param object:

    :return:

    '''

    def __init__(self,filelist):

        # 文件列表

        self.file_list = filelist

        # 定义读取的图片的一些属性

        self.height = 32

        self.width = 32

        self.channel = 3

        # 二进制文件每张图片的字节

        self.label_bytes = 1

        self.image_bytes = self.height * self.width * self.channel

        self.bytes = self.label_bytes + self.image_bytes

    def read_and_decode(self):

        # 1. 构建文件队列

        file_queue = tf.train.string_input_producer(self.file_list)

        # 2. 构建二进制文件读取器，读取内容，每个样本的字节数

        reader = tf.FixedLengthRecordReader(self.bytes)

        key,value = reader.read(file_queue)

        # 3. 解码内容,二进制文件内容的解码 label_image包含目标值和特征值

        label_image = tf.decode_raw(value,tf.uint8)

        print(label_image)

        # 4.分割出图片和标签数据，特征值和目标值

        label = tf.slice(label_image,[0],[self.label_bytes])

        image = tf.slice(label_image,[self.label_bytes],[self.image_bytes])

        print('---->')

        print(image)

        # 5. 可以对图片的特征数据进行形状的改变 [3072]-->[32,32,3]

        image_reshape = tf.reshape(image,[self.height,self.width,self.channel])

        print('======>')

        print(label)

        print('======>')

        # 6. 批处理数据

        image_batch,label_batch = tf.train.batch([image_reshape,label],batch_size=10,num_threads=1,capacity=10)

        print(image_batch,label_batch)

        return image_batch,label_batch

if __name__ == '__main__':

    # 找到文件，构建列表  路径+名字  ->列表当中

    file_name = os.listdir(FLAGS.cifar_dir)

    # 拼接路径 重新组成列表

    filelist = [os.path.join(FLAGS.cifar_dir,file) for file in file_name if file[-3:] == 'bin']

    # 调用函数传参

    cf = CifarRead(filelist)

    image_batch,label_batch = cf.read_and_decode()

    # 开启会话

    with tf.Session() as sess:

        # 定义一个线程协调器

        coord = tf.train.Coordinator()

        # 开启读文件的线程

        threads = tf.train.start_queue_runners(sess,coord=coord)

        # 打印读取的内容

        print(sess.run([image_batch,label_batch]))

        # 回收子线程

        coord.request_stop()

        coord.join(threads)