如何用浮点数数据制作tfrecords？

Question

求助各位大神：
在制作tfrecords的时候，如果是整数数据或者字符串数据，装进去读出来都没问题，网上很多的例子都是拿图片的路径（字符串数据）做教程的。
但如果是浮点数数据，下方案例中，那从tfrecords读出来的一个tensor的size则放大了一倍，从3000变成了6000（以下方代码为例）。
这是为什么？有没有什么方案解决？
这不是说我要作死一定要先标准化一下才写入tfrecords而不是之后再tf.标准化，而是我的数据本身来自MySQL，就是浮点数数据.....

#导入库
import numpy as np
import tensorflow as tf


#生成数据
data= np.arange(3000).reshape((500,6))  #都是整数数据
data=(data-np.mean(data))/np.std(data)  #标准化后变成浮点数数据
data=data.tobytes()
label=1



#将数据写入tfrecords
writer= tf.python_io.TFRecordWriter("test.tfrecords") 
example = tf.train.Example(features=tf.train.Features(
    feature={'label': tf.train.Feature(int64_list=tf.train.Int64List(value=[label])),
              'data': tf.train.Feature(bytes_list=tf.train.BytesList(value=[data]))}))
writer.write(example.SerializeToString())
writer.close()




#从tfrecords中读取数据
filename_queue = tf.train.string_input_producer(["test.tfrecords"])
reader = tf.TFRecordReader()
_, serialized_example = reader.read(filename_queue)
data_features = tf.parse_single_example(
    serialized_example,
    features={'label': tf.FixedLenFeature([], tf.int64),
               'data': tf.FixedLenFeature([], tf.string)})
data = tf.decode_raw(data_features['data'], tf.float32)
data = tf.reshape(data, [500,6])
label = tf.cast(data_features['label'], tf.int32)



#查看、打印数据
with tf.Session()  as sess:
    i = 0
    coord = tf.train.Coordinator()
    threads = tf.train.start_queue_runners(coord=coord)
    try:
        while not coord.should_stop() and i<1:
            # just plot one batch size            
            data, label = sess.run([data, label])
            print(data, label)
            i+=1
    except tf.errors.OutOfRangeError:  
        print('done!')
    finally:
        coord.request_stop()
    coord.join(threads)

Answer 1

是float64转float32时出了问题