咨询：是否存在解析TFRecord文件的TensorFlow C++ API及等效于tf.python_io相关函数？

一、是否存在对应的C++ API？ #

当然有！TensorFlow的C++ API完全支持TFRecord文件的读取与解析，而且正好有和你提到的Python函数功能匹配的等效接口，我来给你详细拆解说明：

二、与tf.python_io.tf_record_iterator()等效的C++接口 #

对应Python里遍历TFRecord所有记录的迭代器，C++中可以使用tf::io::RecordIterator，它会逐个返回TFRecord文件中的序列化字节数据，用法和Python迭代器一样直观。

基础用法示例 #

#include <iostream>
#include <string>
#include "tensorflow/core/lib/io/record_iterator.h"
#include "tensorflow/core/platform/env.h"

int main() {
  // 替换为你的TFRecord文件路径
  const std::string tfrecord_path = "sample.tfrecord";
  
  // 创建RecordIterator实例，负责遍历文件
  std::unique_ptr<tensorflow::io::RecordIterator> record_iter(
      new tensorflow::io::RecordIterator(tensorflow::Env::Default(), tfrecord_path));
  
  // 逐行读取每个序列化记录
  for (const std::string& record : *record_iter) {
    std::cout << "读取到一条记录，字节长度：" << record.size() << std::endl;
    // 这里可以加入后续的解析逻辑
  }
  
  return 0;
}

三、与ParseFromString()等效的C++接口 #

Python中用ParseFromString()解析序列化protobuf的操作，在C里对应的是protobuf消息类的ParseFromString()（或ParseFromArray()，如果数据是字节数组形式）方法。比如TensorFlow常用的Example、SequenceExample，它们的C类都继承了protobuf的消息接口，自带这些解析方法。

完整解析示例（以Example为例） #

#include <iostream>
#include <string>
#include "tensorflow/core/lib/io/record_iterator.h"
#include "tensorflow/core/platform/env.h"
#include "tensorflow/core/example/example.pb.h"

int main() {
  const std::string tfrecord_path = "sample.tfrecord";
  
  std::unique_ptr<tensorflow::io::RecordIterator> record_iter(
      new tensorflow::io::RecordIterator(tensorflow::Env::Default(), tfrecord_path));
  
  for (const std::string& record : *record_iter) {
    tensorflow::Example example;
    // 将序列化字节串解析为Example对象
    if (!example.ParseFromString(record)) {
      std::cerr << "解析当前记录失败，跳过！" << std::endl;
      continue;
    }
    
    // 示例：读取Example中的特征字段
    const auto& feature_map = example.features().feature();
    if (feature_map.find("label") != feature_map.end()) {
      const auto& label_feature = feature_map.at("label");
      // 读取int64类型的特征值
      int64_t label = label_feature.int64_list().value(0);
      std::cout << "解析得到label值：" << label << std::endl;
    }
  }
  
  return 0;
}

四、额外注意事项 #

• 编译时需要链接TensorFlow的C++库，并且确保项目能正确找到TensorFlow的头文件目录（比如包含TensorFlow安装路径下的include文件夹）。
• 如果是自定义的protobuf消息类型，需要先通过protoc工具编译生成对应的C++头文件和源文件，再引入到项目中解析。
• RecordIterator在遇到文件读取错误时会抛出异常，实际生产代码建议添加异常捕获逻辑，提升鲁棒性。

内容的提问来源于stack exchange，提问作者mr49