{"cells":[{"metadata":{"_uuid":"8f2839f25d086af736a60e9eeb907d3b93b6e0e5","_cell_guid":"b1076dfc-b9ad-4769-8c92-a6c4dae69d19","trusted":true},"cell_type":"code","source":"# This Python 3 environment comes with many helpful analytics libraries installed\n# It is defined by the kaggle/python docker image: https://github.com/kaggle/docker-python\n# For example, here's several helpful packages to load in \n\nimport numpy as np # linear algebra\nimport pandas as pd # data processing, CSV file I/O (e.g. pd.read_csv)\n\n# Input data files are available in the \"../input/\" directory.\n# For example, running this (by clicking run or pressing Shift+Enter) will list the files in the input directory\n\nimport os\nprint(os.listdir(\"../input\"))\n\n# Any results you write to the current directory are saved as output.","execution_count":1,"outputs":[{"output_type":"stream","text":"['train.csv', 'sample_submission.csv', 'test.csv', 'train_images', 'test_images']\n","name":"stdout"}]},{"metadata":{"_cell_guid":"79c7e3d0-c299-4dcb-8224-4455121ee9b0","_uuid":"d629ff2d2480ee46fbb7e2d37f6b5fab8052498a","trusted":true},"cell_type":"code","source":"from __future__ import absolute_import, division, print_function\n\nimport tensorflow as tf\nimport IPython.display as display\n\ntf.enable_eager_execution()\nprint(tf.VERSION)\n\nAUTOTUNE = tf.data.experimental.AUTOTUNE","execution_count":2,"outputs":[{"output_type":"stream","text":"1.13.1\n","name":"stdout"}]},{"metadata":{"trusted":true},"cell_type":"code","source":"df = pd.read_csv('../input/train.csv')\n\nf = df['file_name']\nid = df['category_id']\n\nall_image_paths = ['../input/train_images/' + fname for fname in f]\nall_image_labels = [i for i in id]\n\npaths_labels = dict(zip(all_image_paths[0:10], all_image_labels[0:10]))","execution_count":3,"outputs":[]},{"metadata":{"trusted":true},"cell_type":"code","source":"#display.display(display.Image(all_image_paths[23]))","execution_count":4,"outputs":[]},{"metadata":{"trusted":true},"cell_type":"code","source":"def preprocess_image(image):\n  image = tf.image.decode_jpeg(image, channels=3)\n  image = tf.image.resize_images(image, [192, 192])\n  image /= 255.0  # normalize to [0,1] range\n\n  return image\n\ndef load_and_preprocess_image(path):\n  image = tf.read_file(path)\n  return preprocess_image(image)","execution_count":5,"outputs":[]},{"metadata":{"trusted":true},"cell_type":"code","source":"ds = tf.data.Dataset.from_tensor_slices((all_image_paths, all_image_labels))\n\n# The tuples are unpacked into the positional arguments of the mapped function \ndef load_and_preprocess_from_path_label(path, label):\n  return load_and_preprocess_image(path), label\n\nimage_label_ds = ds.map(load_and_preprocess_from_path_label)\nimage_label_ds","execution_count":6,"outputs":[{"output_type":"execute_result","execution_count":6,"data":{"text/plain":"<DatasetV1Adapter shapes: ((192, 192, 3), ()), types: (tf.float32, tf.int32)>"},"metadata":{}}]},{"metadata":{"trusted":true},"cell_type":"code","source":"BATCH_SIZE = 32\n\n# Setting a shuffle buffer size as large as the dataset ensures that the data is\n# completely shuffled.\nds = image_label_ds.shuffle(buffer_size=1)\nds = ds.repeat()\nds = ds.batch(BATCH_SIZE)\n# `prefetch` lets the dataset fetch batches, in the background while the model is training.\nds = ds.prefetch(buffer_size=AUTOTUNE)\nds","execution_count":7,"outputs":[{"output_type":"execute_result","execution_count":7,"data":{"text/plain":"<DatasetV1Adapter shapes: ((?, 192, 192, 3), (?,)), types: (tf.float32, tf.int32)>"},"metadata":{}}]},{"metadata":{"trusted":true},"cell_type":"code","source":"mobile_net = tf.keras.applications.MobileNetV2(input_shape=(192, 192, 3), include_top=False)\nmobile_net.trainable=False","execution_count":8,"outputs":[{"output_type":"stream","text":"WARNING:tensorflow:From /opt/conda/lib/python3.6/site-packages/tensorflow/python/ops/resource_variable_ops.py:642: colocate_with (from tensorflow.python.framework.ops) is deprecated and will be removed in a future version.\nInstructions for updating:\nColocations handled automatically by placer.\nDownloading data from https://github.com/JonathanCMitchell/mobilenet_v2_keras/releases/download/v1.1/mobilenet_v2_weights_tf_dim_ordering_tf_kernels_1.0_192_no_top.h5\n9412608/9406464 [==============================] - 0s 0us/step\n","name":"stdout"}]},{"metadata":{"trusted":true},"cell_type":"code","source":"def change_range(image,label):\n  return 2*image-1, label\n\nkeras_ds = ds.map(change_range)","execution_count":9,"outputs":[]},{"metadata":{"trusted":true},"cell_type":"code","source":"model = tf.keras.Sequential([\n  mobile_net,\n  tf.keras.layers.GlobalAveragePooling2D(),\n  tf.keras.layers.Dense(23)])","execution_count":10,"outputs":[]},{"metadata":{"trusted":true},"cell_type":"code","source":"model.compile(optimizer=tf.train.AdamOptimizer(), \n              loss=tf.keras.losses.sparse_categorical_crossentropy,\n              metrics=[\"accuracy\"])","execution_count":11,"outputs":[]},{"metadata":{"trusted":true},"cell_type":"code","source":"model.summary()","execution_count":12,"outputs":[{"output_type":"stream","text":"_________________________________________________________________\nLayer (type)                 Output Shape              Param #   \n=================================================================\nmobilenetv2_1.00_192 (Model) (None, 6, 6, 1280)        2257984   \n_________________________________________________________________\nglobal_average_pooling2d (Gl (None, 1280)              0         \n_________________________________________________________________\ndense (Dense)                (None, 23)                29463     \n=================================================================\nTotal params: 2,287,447\nTrainable params: 29,463\nNon-trainable params: 2,257,984\n_________________________________________________________________\n","name":"stdout"}]},{"metadata":{"trusted":true},"cell_type":"code","source":"steps_per_epoch=tf.ceil(len(all_image_paths)/BATCH_SIZE).numpy()\nsteps_per_epoch","execution_count":13,"outputs":[{"output_type":"execute_result","execution_count":13,"data":{"text/plain":"6135.0"},"metadata":{}}]},{"metadata":{"trusted":true},"cell_type":"code","source":"# It takes more than 2 hours...\n#model.fit(keras_ds, epochs=1, steps_per_epoch=6135)","execution_count":14,"outputs":[]},{"metadata":{"trusted":true},"cell_type":"code","source":"def _bytes_feature(value):\n  \"\"\"Returns a bytes_list from a string / byte.\"\"\"\n  if isinstance(value, type(tf.constant(0))):\n    value = value.numpy() # BytesList won't unpack a string from an EagerTensor.\n  return tf.train.Feature(bytes_list=tf.train.BytesList(value=[value]))\n\ndef _float_feature(value):\n  \"\"\"Returns a float_list from a float / double.\"\"\"\n  return tf.train.Feature(float_list=tf.train.FloatList(value=[value]))\n\ndef _int64_feature(value):\n  \"\"\"Returns an int64_list from a bool / enum / int / uint.\"\"\"\n  return tf.train.Feature(int64_list=tf.train.Int64List(value=[value]))","execution_count":15,"outputs":[]},{"metadata":{"trusted":true},"cell_type":"code","source":"#_bytes_feature(b'3')","execution_count":16,"outputs":[]},{"metadata":{"trusted":true},"cell_type":"code","source":"def image_example(image_string, label):\n\n  feature = {\n      'label': _int64_feature(label),\n      'image_raw': _bytes_feature(image_string),\n  }\n\n  return tf.train.Example(features=tf.train.Features(feature=feature))","execution_count":17,"outputs":[]},{"metadata":{"trusted":true},"cell_type":"code","source":"%%time\n\npaths_labels = dict(zip(all_image_paths[0:10], all_image_labels[0:10]))\nrecord_file = 'images.tfrecords'\nwith tf.io.TFRecordWriter(record_file) as writer:\n  for filename, label in paths_labels.items():\n#    image_string = open(filename, 'rb').read() \n    image_string = tf.io.read_file(filename)\n    image_decoded = tf.image.decode_jpeg(image_string)\n    image_resized = tf.image.resize_images(image_decoded, (28,28))\n#    image_resized = tf.image.resize_images(image_decoded, (192,192))\n#    image_bytes = image_resized.numpy().tobytes()\n    image_casted = tf.dtypes.cast(image_resized, tf.uint8)\n    image_bytes = tf.image.encode_jpeg(image_casted)\n    tf_example = image_example(image_bytes, label)\n    writer.write(tf_example.SerializeToString())","execution_count":97,"outputs":[{"output_type":"stream","text":"CPU times: user 52 ms, sys: 0 ns, total: 52 ms\nWall time: 75.5 ms\n","name":"stdout"}]},{"metadata":{"trusted":true},"cell_type":"code","source":"!ls -al","execution_count":98,"outputs":[{"output_type":"stream","text":"total 32\r\ndrwxr-xr-x 3 root root  4096 Apr 21 18:48 .\r\ndrwxr-xr-x 6 root root  4096 Apr 21 18:48 ..\r\ndrwxr-xr-x 2 root root  4096 Apr 21 18:48 .ipynb_checkpoints\r\n-rw-r--r-- 1 root root   199 Apr 21 18:48 __notebook_source__.ipynb\r\n-rw-r--r-- 1 root root 13376 Apr 21 19:38 images.tfrecords\r\n","name":"stdout"}]},{"metadata":{"trusted":true},"cell_type":"code","source":"raw_image_dataset = tf.data.TFRecordDataset('images.tfrecords')","execution_count":99,"outputs":[]},{"metadata":{"trusted":true},"cell_type":"code","source":"raw_image_dataset = tf.data.TFRecordDataset('images.tfrecords')\n\n#def _parse_(serialized_example):\n#    feature = {'image_raw':tf.io.FixedLenFeature([],tf.string),\n#               'label':tf.io.FixedLenFeature([],tf.int64)}\n#    example = tf.io.parse_single_example(serialized_example,feature)\n#    image = tf.io.decode_raw(example['image_raw'],tf.int64) #remember to parse in int64. float will raise error\n#    label = tf.cast(example['label'],tf.int32)\n#    return (dict({'image':image}),label)\n#    return image, label\n\n\ndef parse(x):\n  feature = {'image_raw':tf.io.FixedLenFeature([],tf.string),\n             'label':tf.io.FixedLenFeature([],tf.int64)}\n  return tf.io.parse_single_example(x,feature)","execution_count":100,"outputs":[]},{"metadata":{"trusted":true},"cell_type":"code","source":"%%time\n\nds = raw_image_dataset.map(parse)","execution_count":101,"outputs":[{"output_type":"stream","text":"CPU times: user 0 ns, sys: 8 ms, total: 8 ms\nWall time: 8.04 ms\n","name":"stdout"}]},{"metadata":{"trusted":true},"cell_type":"code","source":"#model.fit (ds, epochs=1, steps_per_epoch=10)","execution_count":102,"outputs":[]},{"metadata":{"trusted":true,"_kg_hide-output":false},"cell_type":"code","source":"def _parse_function(proto):\n    # define your tfrecord again. Remember that you saved your image as a string.\n    keys_to_features = {'image_raw': tf.FixedLenFeature([], tf.string),\n                        \"label\": tf.FixedLenFeature([], tf.int64)}\n    \n    # Load one example\n    parsed_features = tf.parse_single_example(proto, keys_to_features)\n    \n    # Turn your saved image string into an array\n    parsed_features['image_raw'] = tf.image.decode_jpeg(parsed_features['image_raw'])\n    \n    return parsed_features['image_raw'], parsed_features[\"label\"]\n\n  \n","execution_count":103,"outputs":[]},{"metadata":{"trusted":true},"cell_type":"code","source":"def create_dataset(filepath):\n    \n    # This works with arrays as well\n    dataset = tf.data.TFRecordDataset(filepath)\n    \n    # Maps the parser on every filepath in the array. You can set the number of parallel loaders here\n    dataset = dataset.map(_parse_function, num_parallel_calls=1)\n    \n    # This dataset will go on forever\n    dataset = dataset.repeat()\n    \n    # Set the number of datapoints you want to load and shuffle \n    #dataset = dataset.shuffle(1)\n    \n    # Set the batchsize\n    dataset = dataset.batch(100)\n    \n    # Create an iterator\n    iterator = dataset.make_one_shot_iterator()\n    \n    # Create your tf representation of the iterator\n    image, label = iterator.get_next()\n    # Bring your picture back in shape\n    image = tf.reshape(image, [-1,28,28,3])\n    image = tf.cast(image, dtype=tf.uint8)\n    image = image.numpy()/255.\n    \n    # Create a one hot array for your labels\n#    label = tf.one_hot(label, 23)\n    \n    return image, label","execution_count":118,"outputs":[]},{"metadata":{"trusted":true},"cell_type":"code","source":"image, label = create_dataset('images.tfrecords')\n\nprint(image.shape)\nimage=image.reshape(-1,28,28,3)\n#import tensorflow as tf\n#mnist = tf.keras.datasets.mnist\n\n#(x_train, y_train),(x_test, y_test) = mnist.load_data()\n#x_train, x_test = x_train / 255.0, x_test / 255.0\nx_train=image\ny_train=label\n\nmodel = tf.keras.models.Sequential([\n  tf.keras.layers.Flatten(input_shape= (28, 28, 3)),\n  tf.keras.layers.Dense(512, activation=tf.nn.relu),\n  tf.keras.layers.Dropout(0.2),\n  tf.keras.layers.Dense(23, activation=tf.nn.softmax)\n])\nmodel.compile(optimizer='adam',\n              loss='sparse_categorical_crossentropy',\n              metrics=['accuracy'])\n\nmodel.fit(x_train, y_train, epochs=5, steps_per_epoch=100) #validation_split=0.1)\n#model.evaluate(x_test, y_test)\n","execution_count":121,"outputs":[{"output_type":"stream","text":"(100, 28, 28, 3)\nEpoch 1/5\n100/100 [==============================] - 2s 24ms/step - loss: 0.1919 - acc: 0.9502\nEpoch 2/5\n100/100 [==============================] - 2s 18ms/step - loss: 0.0046 - acc: 1.0000\nEpoch 3/5\n100/100 [==============================] - 2s 17ms/step - loss: 0.0020 - acc: 1.0000\nEpoch 4/5\n100/100 [==============================] - 2s 17ms/step - loss: 0.0012 - acc: 1.0000\nEpoch 5/5\n100/100 [==============================] - 2s 17ms/step - loss: 8.1687e-04 - acc: 1.0000\n","name":"stdout"},{"output_type":"execute_result","execution_count":121,"data":{"text/plain":"<tensorflow.python.keras.callbacks.History at 0x7f5241b03908>"},"metadata":{}}]},{"metadata":{"trusted":true},"cell_type":"code","source":"ds = ds.shuffle(buffer_size=2)\n\nfor i in ds:\n  print(i['label'].numpy())\n  print(i)\n#  display.display(display.Image(i['image_raw'].numpy()))","execution_count":46,"outputs":[{"output_type":"stream","text":"19\n{'image_raw': <tf.Tensor: id=242674, shape=(), dtype=string, numpy=b'\\xff\\xd8\\xff\\xe0\\x00\\x10JFIF\\x00\\x01\\x01\\x01\\x01,\\x01,\\x00\\x00\\xff\\xdb\\x00C\\x00\\x02\\x01\\x01\\x01\\x01\\x01\\x02\\x01\\x01\\x01\\x02\\x02\\x02\\x02\\x02\\x04\\x03\\x02\\x02\\x02\\x02\\x05\\x04\\x04\\x03\\x04\\x06\\x05\\x06\\x06\\x06\\x05\\x06\\x06\\x06\\x07\\t\\x08\\x06\\x07\\t\\x07\\x06\\x06\\x08\\x0b\\x08\\t\\n\\n\\n\\n\\n\\x06\\x08\\x0b\\x0c\\x0b\\n\\x0c\\t\\n\\n\\n\\xff\\xdb\\x00C\\x01\\x02\\x02\\x02\\x02\\x02\\x02\\x05\\x03\\x03\\x05\\n\\x07\\x06\\x07\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\xff\\xc0\\x00\\x11\\x08\\x00\\x1c\\x00\\x1c\\x03\\x01\"\\x00\\x02\\x11\\x01\\x03\\x11\\x01\\xff\\xc4\\x00\\x1f\\x00\\x00\\x01\\x05\\x01\\x01\\x01\\x01\\x01\\x01\\x00\\x00\\x00\\x00\\x00\\x00\\x00\\x00\\x01\\x02\\x03\\x04\\x05\\x06\\x07\\x08\\t\\n\\x0b\\xff\\xc4\\x00\\xb5\\x10\\x00\\x02\\x01\\x03\\x03\\x02\\x04\\x03\\x05\\x05\\x04\\x04\\x00\\x00\\x01}\\x01\\x02\\x03\\x00\\x04\\x11\\x05\\x12!1A\\x06\\x13Qa\\x07\"q\\x142\\x81\\x91\\xa1\\x08#B\\xb1\\xc1\\x15R\\xd1\\xf0$3br\\x82\\t\\n\\x16\\x17\\x18\\x19\\x1a%&\\'()*456789:CDEFGHIJSTUVWXYZcdefghijstuvwxyz\\x83\\x84\\x85\\x86\\x87\\x88\\x89\\x8a\\x92\\x93\\x94\\x95\\x96\\x97\\x98\\x99\\x9a\\xa2\\xa3\\xa4\\xa5\\xa6\\xa7\\xa8\\xa9\\xaa\\xb2\\xb3\\xb4\\xb5\\xb6\\xb7\\xb8\\xb9\\xba\\xc2\\xc3\\xc4\\xc5\\xc6\\xc7\\xc8\\xc9\\xca\\xd2\\xd3\\xd4\\xd5\\xd6\\xd7\\xd8\\xd9\\xda\\xe1\\xe2\\xe3\\xe4\\xe5\\xe6\\xe7\\xe8\\xe9\\xea\\xf1\\xf2\\xf3\\xf4\\xf5\\xf6\\xf7\\xf8\\xf9\\xfa\\xff\\xc4\\x00\\x1f\\x01\\x00\\x03\\x01\\x01\\x01\\x01\\x01\\x01\\x01\\x01\\x01\\x00\\x00\\x00\\x00\\x00\\x00\\x01\\x02\\x03\\x04\\x05\\x06\\x07\\x08\\t\\n\\x0b\\xff\\xc4\\x00\\xb5\\x11\\x00\\x02\\x01\\x02\\x04\\x04\\x03\\x04\\x07\\x05\\x04\\x04\\x00\\x01\\x02w\\x00\\x01\\x02\\x03\\x11\\x04\\x05!1\\x06\\x12AQ\\x07aq\\x13\"2\\x81\\x08\\x14B\\x91\\xa1\\xb1\\xc1\\t#3R\\xf0\\x15br\\xd1\\n\\x16$4\\xe1%\\xf1\\x17\\x18\\x19\\x1a&\\'()*56789:CDEFGHIJSTUVWXYZcdefghijstuvwxyz\\x82\\x83\\x84\\x85\\x86\\x87\\x88\\x89\\x8a\\x92\\x93\\x94\\x95\\x96\\x97\\x98\\x99\\x9a\\xa2\\xa3\\xa4\\xa5\\xa6\\xa7\\xa8\\xa9\\xaa\\xb2\\xb3\\xb4\\xb5\\xb6\\xb7\\xb8\\xb9\\xba\\xc2\\xc3\\xc4\\xc5\\xc6\\xc7\\xc8\\xc9\\xca\\xd2\\xd3\\xd4\\xd5\\xd6\\xd7\\xd8\\xd9\\xda\\xe2\\xe3\\xe4\\xe5\\xe6\\xe7\\xe8\\xe9\\xea\\xf2\\xf3\\xf4\\xf5\\xf6\\xf7\\xf8\\xf9\\xfa\\xff\\xda\\x00\\x0c\\x03\\x01\\x00\\x02\\x11\\x03\\x11\\x00?\\x00\\xfc\\xff\\x00\\xfd\\x97~\\x08\\xfc5\\xf8\\x83w\\xac\\xe8:\\xef\\xc3\\x1d\\x0e\\xf8\\xe9\\xff\\x00fh|\\xdd2\\x19Z\\xdd\\x0bI\\xb8\\x04(\\xcd\\xc8\\x1d\\x08\\xceH\\x07$\\x9a\\xf5o\\x16~\\xc7\\xbf\\n5\\xaf\\x87\\xd2\\xb6\\x8f\\xf0\\x9fB\\xb5\\x93\\xc8y,O\\xfc#v\\xf1\\x14,v\\xa6\\xe1\\xe4\\xb3a\\x89\\xc8\\xcf\\xcc\\xca\\xad\\x8c8b\\xae\\xfd\\x9b\\xf4\\xfbe\\xd7\\xbf\\xb3\\xf5\\x08.\\xbe\\xcd5\\x8a\\xa9\\xb4k\\x10\\x02\\xdc\\xc9$O\\xe6HP\\x10]B\\x8c\\x1206\\xaa\\xaa\\x80\\xbc}O/\\x84\\xe0\\xf1m\\xed\\xed\\x88\\xd2.\\xa2\\x88Z\\x87{\\x87f\\xf2\\x99\\xf9\\xd9\\x86h\\x82\\x96R\\x14\\xf4\\xe08\\xdas\\xb6\\x80?3|Y\\xf07\\xe1\\xfe\\x9bc.\\x9d\\x1f\\x8549\\xee`q\\x1c\\xa6\\xd7C\\x8e6BP\\x12\\xd8d\\x0cWo \\xf7999\\xc8\\xe3\\xaf\\xbe\\x1cx\\x13O\\x95`\\xd4\\xbc5\\xa7\\xa4\\x85\\x03y\\x7f\\xd9\\xd0\\xfc\\x80\\xf3\\x8eq\\x83\\xf4\\xef\\xef\\x9a\\xfaW\\xf6\\x80\\xd05\\xd1\\xe3I5\\x0b;Ys\\x1d\\xcb\\x8b\\xa6\\xb1\\xd3\\xca\\xa4\\x80\\xcb\\xb7\\xee\\x12Je\\x0e\\x008#~\\xdd\\xc4\\x11\\x8f\\x14\\xd5>\\xc1\\xa8\\xde5\\xcc\\xba\\xfd\\xc26J\\x9f.\\x12\\xb9\\xc1#\\'\\xe7\\x1c\\xf1\\xe81\\xd3\\x1cP\\x07\\xd1\\x7f\\x07\\xfces\\xe0\\x7f\\x1d\\xb7\\x865\\xa1\\xa7Z\\xfd\\x92\\xdf1\\xdc\\xdb\\xff\\x00\\x0f1\\x91\\x92\\xff\\x00{\\xa8\\xed\\x91\\xb7\\x19=k\\xe9\\xef\\t\\xfcu\\xf0\\xe6\\x95\\xe1x4\\x89t\\xb8\\x8a\\xc3\\xb8nX\\x82 ,\\x0eX\\x00\\xa0\\xe0\\xb7\\xcd\\x922wr@\\xcd|o\\xe2\\xcdJ\\xe8\\xfcg\\xb9\\x89[b\\xb5\\xa3\\xa3*1P\\xcaLC\\x07\\x07\\x9fo\\xa0\\xa8\\xf5_\\x1b\\xf8\\x8bM\\xd3n/\"\\xbbWs\\x0c92 ?y\\xe5\\\\\\xf1\\x8e@Q\\x83\\xfc\\xe8\\x03\\xd4?h\\xdf\\x1d\\x9b\\xc8o4\\xcd2 \\xc5I\\x95\\x92Vr\\xac\\x18\\xee\\xc2\\x83\\x9c\\x15!@\\r\\x8e\\x00#v9\\xf8\\xdfT\\xd7\\xb5\\r\\x17R\\xb8\\xb3\\xb2\\x81\\xe1O9\\x9bds\\xc8\\x06I\\xe4\\xf3\\xb4\\x9f\\xae:b\\xbdO\\xc5\\x9e!\\xd6\\xeft\\xfb&\\xb8\\xd4\\x9d\\xbc\\xe8\\xdaI\\x01U\\xc1\\xc0f\\xc61\\x8cd\\x0fs\\x8eMx\\xc6\\xb1\\xa8]\\xdf_\\xbc\\xb2\\xcb\\xb7o\\xca\\x02p\\x00\\x14\\x01\\xff\\xd9'>, 'label': <tf.Tensor: id=242675, shape=(), dtype=int64, numpy=19>}\n19\n{'image_raw': <tf.Tensor: id=242679, shape=(), dtype=string, numpy=b'\\xff\\xd8\\xff\\xe0\\x00\\x10JFIF\\x00\\x01\\x01\\x01\\x01,\\x01,\\x00\\x00\\xff\\xdb\\x00C\\x00\\x02\\x01\\x01\\x01\\x01\\x01\\x02\\x01\\x01\\x01\\x02\\x02\\x02\\x02\\x02\\x04\\x03\\x02\\x02\\x02\\x02\\x05\\x04\\x04\\x03\\x04\\x06\\x05\\x06\\x06\\x06\\x05\\x06\\x06\\x06\\x07\\t\\x08\\x06\\x07\\t\\x07\\x06\\x06\\x08\\x0b\\x08\\t\\n\\n\\n\\n\\n\\x06\\x08\\x0b\\x0c\\x0b\\n\\x0c\\t\\n\\n\\n\\xff\\xdb\\x00C\\x01\\x02\\x02\\x02\\x02\\x02\\x02\\x05\\x03\\x03\\x05\\n\\x07\\x06\\x07\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\xff\\xc0\\x00\\x11\\x08\\x00\\x1c\\x00\\x1c\\x03\\x01\"\\x00\\x02\\x11\\x01\\x03\\x11\\x01\\xff\\xc4\\x00\\x1f\\x00\\x00\\x01\\x05\\x01\\x01\\x01\\x01\\x01\\x01\\x00\\x00\\x00\\x00\\x00\\x00\\x00\\x00\\x01\\x02\\x03\\x04\\x05\\x06\\x07\\x08\\t\\n\\x0b\\xff\\xc4\\x00\\xb5\\x10\\x00\\x02\\x01\\x03\\x03\\x02\\x04\\x03\\x05\\x05\\x04\\x04\\x00\\x00\\x01}\\x01\\x02\\x03\\x00\\x04\\x11\\x05\\x12!1A\\x06\\x13Qa\\x07\"q\\x142\\x81\\x91\\xa1\\x08#B\\xb1\\xc1\\x15R\\xd1\\xf0$3br\\x82\\t\\n\\x16\\x17\\x18\\x19\\x1a%&\\'()*456789:CDEFGHIJSTUVWXYZcdefghijstuvwxyz\\x83\\x84\\x85\\x86\\x87\\x88\\x89\\x8a\\x92\\x93\\x94\\x95\\x96\\x97\\x98\\x99\\x9a\\xa2\\xa3\\xa4\\xa5\\xa6\\xa7\\xa8\\xa9\\xaa\\xb2\\xb3\\xb4\\xb5\\xb6\\xb7\\xb8\\xb9\\xba\\xc2\\xc3\\xc4\\xc5\\xc6\\xc7\\xc8\\xc9\\xca\\xd2\\xd3\\xd4\\xd5\\xd6\\xd7\\xd8\\xd9\\xda\\xe1\\xe2\\xe3\\xe4\\xe5\\xe6\\xe7\\xe8\\xe9\\xea\\xf1\\xf2\\xf3\\xf4\\xf5\\xf6\\xf7\\xf8\\xf9\\xfa\\xff\\xc4\\x00\\x1f\\x01\\x00\\x03\\x01\\x01\\x01\\x01\\x01\\x01\\x01\\x01\\x01\\x00\\x00\\x00\\x00\\x00\\x00\\x01\\x02\\x03\\x04\\x05\\x06\\x07\\x08\\t\\n\\x0b\\xff\\xc4\\x00\\xb5\\x11\\x00\\x02\\x01\\x02\\x04\\x04\\x03\\x04\\x07\\x05\\x04\\x04\\x00\\x01\\x02w\\x00\\x01\\x02\\x03\\x11\\x04\\x05!1\\x06\\x12AQ\\x07aq\\x13\"2\\x81\\x08\\x14B\\x91\\xa1\\xb1\\xc1\\t#3R\\xf0\\x15br\\xd1\\n\\x16$4\\xe1%\\xf1\\x17\\x18\\x19\\x1a&\\'()*56789:CDEFGHIJSTUVWXYZcdefghijstuvwxyz\\x82\\x83\\x84\\x85\\x86\\x87\\x88\\x89\\x8a\\x92\\x93\\x94\\x95\\x96\\x97\\x98\\x99\\x9a\\xa2\\xa3\\xa4\\xa5\\xa6\\xa7\\xa8\\xa9\\xaa\\xb2\\xb3\\xb4\\xb5\\xb6\\xb7\\xb8\\xb9\\xba\\xc2\\xc3\\xc4\\xc5\\xc6\\xc7\\xc8\\xc9\\xca\\xd2\\xd3\\xd4\\xd5\\xd6\\xd7\\xd8\\xd9\\xda\\xe2\\xe3\\xe4\\xe5\\xe6\\xe7\\xe8\\xe9\\xea\\xf2\\xf3\\xf4\\xf5\\xf6\\xf7\\xf8\\xf9\\xfa\\xff\\xda\\x00\\x0c\\x03\\x01\\x00\\x02\\x11\\x03\\x11\\x00?\\x00\\xfc\\xee\\x1e\\x07\\xf8!\\xe2[\\x98\\xd3J\\xf8{\\xe1\\xd3\\x04XL\\xc7\\xa4\\xdb\\xed\\xc61\\x80vc\\xff\\x00\\xd7\\xf9\\xcdg\\xf0\\xaf\\xe1$S\\x08f\\xf8i\\xe1\\xd9!$\\x92\\x8d\\xa4@\\xcb\\x9cp~\\xef^\\x83>\\xf5\\xccxZe\\xb1\\xb4\\x86;\\x03!idL*z\\xf6\\xe4t\\xc1\\xfa}+\\xd1\\x1e\\xd1t\\x8d\\x1a%\\x96\\xe8J\\xdb\\xb66\\xd8\\xc8P\\xc4\\x1eA<u\\xfcy\\xa0\\x0eS\\xc4\\xbf\\x0b\\xbe\\x0b\\x8b\\xf46_\\rt\\x18\\xd1G*\\xba=\\xba\\xabc\\x8f\\xees\\xd0\\x9f\\xd6\\xaf\\xdb\\xfc#\\xf8A=\\xb4os\\xf0\\xdb\\xc3q\\xb0R<\\xb6\\xd1\\xed\\xc6\\xdeO\\xaa~?\\x8dv\\xbe\\x15\\xf0\\x1d\\xae\\xafhu\\xed\\xf3\\x82\\xb16\\xe5\\x96\\x00bPy\\xe3\\xa99S\\x8c\\xf4\\xce{\\x0eq\\xfc@\\xf2[j\\x1eT\\xe8\\x03l\\x07\\x87\\xda\\x08\\xe7\\x908\\xc6z\\xe3\\x14\\x01\\xe7?\\x04u;\\x1d_Ekk\\x8b\\x85IQ\\x81\\xde\\xf8\\xdc\\x08\\x18\\x1bG\\xaf\\x04\\xf6\\xf5\\xfa\\xfbw\\xc3o\\x0e\\xdaM\\xabYkz\\xb6\\xa3\\x1a\\xc3f\\xe1\\xec\\xd2\\xe2@\\x0c\\xb2\\x1d\\xa1]3\\xd0\\xae\\xed\\xe1\\xce\\x14\\x15\\xfa\\x06\\xf9W\\xe1O\\x8b\\xb5]#M\\xfe\\xd0\\xb6XIdx\\xfc\\xb6C\\xb4a0\\x08\\xc1\\x078v\\xef_C\\xc3\\xe2Mv}V\\xe7N\\x9fT\\x96O\\xb2i\\xe8E\\xc4\\x87t\\xb2\\x07\\x8fy\\x0c\\xc7\\xdd\\x8e1\\x83\\xc9\\xe6\\x80=\\x7f\\xc5si\\xfe[\\xc7\\xa0\\xda\\x18\\xa0R\\xd3\\x18\\xc1\\x0caN\\x0f.\\xd8\\x04\\x11\\xb3;\\xb0Il\\x007`\\xf8\\x07\\x8cu\\xeb\\xd9u\\xd9V\\xcd\\xc3\\xa4`!an\\\\\\xe4u\\xc9\\xdc9\\xcf\\x15\\xd0|@\\xf8\\xc3\\xe3H4\\x06\\xb2\\xfbD\\x0e\\x92\\xc5$\\x07|9\\xc0\\x05Ww\\\\\\x16\\xc1\\x19$\\x1c\\xed\\\\\\xf4\\x15\\xc0\\xfcN\\xf8\\xd3\\xe3\\xcf\\rj\\x1an\\x97\\xa3_\\xc5\\x0c+\\xa4G\\x84X\\xb1\\xfcr\\x01\\xd0\\xf3\\x80\\x00\\x1e\\xc0\\x0e\\x80P\\x07\\xff\\xd9'>, 'label': <tf.Tensor: id=242680, shape=(), dtype=int64, numpy=19>}\n0\n{'image_raw': <tf.Tensor: id=242684, shape=(), dtype=string, numpy=b'\\xff\\xd8\\xff\\xe0\\x00\\x10JFIF\\x00\\x01\\x01\\x01\\x01,\\x01,\\x00\\x00\\xff\\xdb\\x00C\\x00\\x02\\x01\\x01\\x01\\x01\\x01\\x02\\x01\\x01\\x01\\x02\\x02\\x02\\x02\\x02\\x04\\x03\\x02\\x02\\x02\\x02\\x05\\x04\\x04\\x03\\x04\\x06\\x05\\x06\\x06\\x06\\x05\\x06\\x06\\x06\\x07\\t\\x08\\x06\\x07\\t\\x07\\x06\\x06\\x08\\x0b\\x08\\t\\n\\n\\n\\n\\n\\x06\\x08\\x0b\\x0c\\x0b\\n\\x0c\\t\\n\\n\\n\\xff\\xdb\\x00C\\x01\\x02\\x02\\x02\\x02\\x02\\x02\\x05\\x03\\x03\\x05\\n\\x07\\x06\\x07\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\xff\\xc0\\x00\\x11\\x08\\x00\\x1c\\x00\\x1c\\x03\\x01\"\\x00\\x02\\x11\\x01\\x03\\x11\\x01\\xff\\xc4\\x00\\x1f\\x00\\x00\\x01\\x05\\x01\\x01\\x01\\x01\\x01\\x01\\x00\\x00\\x00\\x00\\x00\\x00\\x00\\x00\\x01\\x02\\x03\\x04\\x05\\x06\\x07\\x08\\t\\n\\x0b\\xff\\xc4\\x00\\xb5\\x10\\x00\\x02\\x01\\x03\\x03\\x02\\x04\\x03\\x05\\x05\\x04\\x04\\x00\\x00\\x01}\\x01\\x02\\x03\\x00\\x04\\x11\\x05\\x12!1A\\x06\\x13Qa\\x07\"q\\x142\\x81\\x91\\xa1\\x08#B\\xb1\\xc1\\x15R\\xd1\\xf0$3br\\x82\\t\\n\\x16\\x17\\x18\\x19\\x1a%&\\'()*456789:CDEFGHIJSTUVWXYZcdefghijstuvwxyz\\x83\\x84\\x85\\x86\\x87\\x88\\x89\\x8a\\x92\\x93\\x94\\x95\\x96\\x97\\x98\\x99\\x9a\\xa2\\xa3\\xa4\\xa5\\xa6\\xa7\\xa8\\xa9\\xaa\\xb2\\xb3\\xb4\\xb5\\xb6\\xb7\\xb8\\xb9\\xba\\xc2\\xc3\\xc4\\xc5\\xc6\\xc7\\xc8\\xc9\\xca\\xd2\\xd3\\xd4\\xd5\\xd6\\xd7\\xd8\\xd9\\xda\\xe1\\xe2\\xe3\\xe4\\xe5\\xe6\\xe7\\xe8\\xe9\\xea\\xf1\\xf2\\xf3\\xf4\\xf5\\xf6\\xf7\\xf8\\xf9\\xfa\\xff\\xc4\\x00\\x1f\\x01\\x00\\x03\\x01\\x01\\x01\\x01\\x01\\x01\\x01\\x01\\x01\\x00\\x00\\x00\\x00\\x00\\x00\\x01\\x02\\x03\\x04\\x05\\x06\\x07\\x08\\t\\n\\x0b\\xff\\xc4\\x00\\xb5\\x11\\x00\\x02\\x01\\x02\\x04\\x04\\x03\\x04\\x07\\x05\\x04\\x04\\x00\\x01\\x02w\\x00\\x01\\x02\\x03\\x11\\x04\\x05!1\\x06\\x12AQ\\x07aq\\x13\"2\\x81\\x08\\x14B\\x91\\xa1\\xb1\\xc1\\t#3R\\xf0\\x15br\\xd1\\n\\x16$4\\xe1%\\xf1\\x17\\x18\\x19\\x1a&\\'()*56789:CDEFGHIJSTUVWXYZcdefghijstuvwxyz\\x82\\x83\\x84\\x85\\x86\\x87\\x88\\x89\\x8a\\x92\\x93\\x94\\x95\\x96\\x97\\x98\\x99\\x9a\\xa2\\xa3\\xa4\\xa5\\xa6\\xa7\\xa8\\xa9\\xaa\\xb2\\xb3\\xb4\\xb5\\xb6\\xb7\\xb8\\xb9\\xba\\xc2\\xc3\\xc4\\xc5\\xc6\\xc7\\xc8\\xc9\\xca\\xd2\\xd3\\xd4\\xd5\\xd6\\xd7\\xd8\\xd9\\xda\\xe2\\xe3\\xe4\\xe5\\xe6\\xe7\\xe8\\xe9\\xea\\xf2\\xf3\\xf4\\xf5\\xf6\\xf7\\xf8\\xf9\\xfa\\xff\\xda\\x00\\x0c\\x03\\x01\\x00\\x02\\x11\\x03\\x11\\x00?\\x00\\xf8\\x1fD\\xfd\\x9c|\\x13\\xf1Z\\xc3\\xc46^\\r\\xf8o\\xa1X&\\x91\\r\\x9d\\xe9\\xb9\\xd4\\xedm\\x96=\"\\xc5\\xe5\\xfb*\\xad\\xd2\\x98\\x8b+Kuun\\x9b\\xc3C\\xb1\\xf2\\xa6,H\\xbeW\\xd0\\xbe\\x1a\\xff\\x00\\x82q\\xfc\\x08\\xf1\\x1f\\x81/\\xf5u\\xf0\\x97\\x86N\\x8b\\xa4K;x\\x8a\\xe6\\xefD\\x8e\\xe1\\xed\\xa6[\\x18nm\\xe2Im\\x11c\\xcb\\\\\\xad\\xccr,R\\xb0\\x8dT\\xe5\\xee\\t\\x10\\xaf\\x97i\\x1f\\x04\\xfe&\\xf87\\xc3\\x1a\\x86\\xa3\\xe2/\\rO\\x14\\xb6\\x1a\\x13I\\x7f\\x15\\xc8\\x81\\xa2\\xb8\\x84@\\x97\\xd29O\\xb62\\xbe6\\xc8\\xf1\\xbcB8\\xa4\\xf2#\\xc12J\\xb1W\\xd2\\x1f\\x04\\xbca%\\xb7\\x85\\xb4o\\x0fj\\x10\\x8dQbsg\\xacZ\\xca\\xf77\\x13Z\\xc8g\\x80\\xcd\\x19\\x8e\\x08\\xf3\\x0c\\xab\\x12\\xf9\\xbf\\xba$F\\x92\\x14%dbO\\xc5\\xe6x\\xfcD*9\\xc6V\\xbfo\\xeb\\xcf\\xe4k\\x86\\xa3N5\\x14*\\'\\xae\\xdb\\xfc\\x8f$\\xf1\\xbf\\xec_\\xfb+\\xf8N\\xf3O\\xf0\\xc7\\x89~\\th6rE\\x04\\x06\\xf6-2;o\\x9c\\xbcwR|\\xf3\\xc9\\x14\\x85@\\x82\\x07$\\xabeZ\\x02YKH\\n\\xf9\\xaf\\xc4O\\x80?\\xb3\\x8c~-\\xbc\\xdb\\xf0gL\\xb3\\xb7\\xfbD\\xabg\\x01\\x87N\\xb5q\\x12\\xca\\xe8\\x0c\\x90\\x1c\\x98_*r\\x9cc\\x83\\x97\\xcf\\x98\\xff\\x00R\\xf8\\xda\\xc7\\xe1\\xa6\\xb5}>\\xad\\x7f\\xadY\\xe9\\xba\\xa5\\x84Q\\xeav6\\x9a\\xae\\xb7\\x08\\xd1\\xed\\x80y\\xad\\xc8\\xb6\\x12]\\xc75\\xd9\\x91^\\xdd\\xca\\xc7\\x85\\xdaeuYR\\r\\xa7\\x93\\xb9\\xf8\\x0f\\xa3x\\x8a\\x085s\\xf1sL\\xd0neY>\\xdb\\xa3\\xea\\x9aV\\xaf{-\\xb4\\x82i\\x02\\x81&\\x9bnmJ4b7F\\x89\\xe4\\x12#\\xac\\xa5\\xc9\\x90\\x81\\x143\\x89+9;\\xbb\\x7f\\xc3\\xf70\\xc5\\xd2\\xfa\\xbdG\\x05\\xd1\\xf5>Y\\xf8)\\xf0\\xa3\\xe3\\x16\\x9a\\xd7^+\\xb0\\xd7\\xfc.\\xe9\\xa33\\xc5%\\xa6\\xa1q\\xb6MN\\xc6w\\x11Dm\\xd1\\x14M\\x1c\\xed\\x18\\x96B7\\xc1,q\\xc5\\xbb!\\x83\\x83\\xf5C|6\\xd5\\xbc]\\xae\\\\|Y\\xd5\\xf5\\x036\\x89\\xacY\\xc9g\\xa4\\xd9j\\xff\\x00c\\x17\\xb6\\x86?*M\\x97\\x83b=\\xe4\\xd1,\\xc9\\x9b\\xb9#_\\xb4\\xb2\\xba\\x98\\xd1\\xa2\\x8cG\\xd8|0\\xf0\\xd7\\x86>\\xd5\\xaa!\\xf0\\xb6\\x96m|-\\x7f\\xaehZ6\\x9et\\xd8|\\x98\\xed \\xb0\\xd4o\\x17p\\xdb\\x99$2\\xc0\\x99\\x91\\x89b\\xb8\\x00\\x8f.//\\xea\\xaf\\xf8\\'\\xee\\x8d\\xa0\\xeb\\x9f\\xb3w\\x89\\xfc\\x7fs\\xa2\\xc7\\x11\\xda\\x9aj\\xe9V\\x97\\x13El\\xb6\\xf6\\xfa<\\xb7j\\x80\\xa3\\x89\\x80i\\xcb;\\x0f3\\x07{\\x80\\x00b+\\xc1\\xcc1\\xb8\\x9a\\x92q\\xbaZ\\xf4]4\\xfco\\xd7\\xb7\\xa1\\xf4\\xb8L&\\x19Wr\\xb5\\xd2\\xef\\xe9\\xa9\\xf2g\\xed=\\xe0\\x1f\\x07\\xfc6\\xb8\\xd0\\xac<K\\xab\\xa6\\xaft5\\x8b\\xdd&?\\x10\\x7fj\\xda\\xc5k\\xaa\\xdb\\x99!\\x82I\\x92\\xe2v\\x8c\\xf92?\\x9a\"\\xbc\\x91\\xca1\\xb5\\xb9RY\\xed\\xae 5\\xe6\\xfd\\x8c\\xff\\x00k_\\x88\\xfe\\x1f\\xd0<c\\xe1\\x84\\xf0\\x8e\\x93kw\\xe1\\xfbl\\xe9>1\\xf8\\x81g\\xa4\\xddZH\\xa0\\xab\\x85\\xb5\\x9ad\\xf2\\xa3v\\x06`\\x15@-33*Hd\\x8d>\\xb9\\xf8\\xb7\\xf0\\x13\\xe1\\x1e\\xab\\xf0\\xeb\\xe3\\x15\\xe5\\xef\\x80\\xb4\\x99\\'\\xf0\\xbd\\xe4z]\\x8d\\xdc\\x9a\\\\\\x0fs$7#I\\x8aRn]\\x0c\\xf1\\x1d\\xba\\xcd\\xce\\x04/\\x12\\x0f&\\xdf\\xe5\\xfd\\xd7>K\\xfb\\x0b|5\\xf8E\\xf1\\x8b\\xe1\\xa6\\xb1\\xe3?\\x1f\\xfc\\x1b\\xf0\\xbd\\xdd\\xed\\xc6\\xb9o:\\xf9:R\\xc1\\x1c\\x0bq\\xa4i\\xd7\\x8d\\x0cq\\xc4UV4\\x92\\xe6@\\x8b\\x8f\\x95\\x02\\xaeN*p\\xd3\\x85<<\\\\\\x13\\xbd\\x93\\xe9\\xa2}6\\xee\\xbf\\xe0\\x9e~/\\x02\\x9dy9=\\xdfN\\x96^w\\xf4\\xff\\x00#\\xff\\xd9'>, 'label': <tf.Tensor: id=242685, shape=(), dtype=int64, numpy=0>}\n3\n{'image_raw': <tf.Tensor: id=242689, shape=(), dtype=string, numpy=b'\\xff\\xd8\\xff\\xe0\\x00\\x10JFIF\\x00\\x01\\x01\\x01\\x01,\\x01,\\x00\\x00\\xff\\xdb\\x00C\\x00\\x02\\x01\\x01\\x01\\x01\\x01\\x02\\x01\\x01\\x01\\x02\\x02\\x02\\x02\\x02\\x04\\x03\\x02\\x02\\x02\\x02\\x05\\x04\\x04\\x03\\x04\\x06\\x05\\x06\\x06\\x06\\x05\\x06\\x06\\x06\\x07\\t\\x08\\x06\\x07\\t\\x07\\x06\\x06\\x08\\x0b\\x08\\t\\n\\n\\n\\n\\n\\x06\\x08\\x0b\\x0c\\x0b\\n\\x0c\\t\\n\\n\\n\\xff\\xdb\\x00C\\x01\\x02\\x02\\x02\\x02\\x02\\x02\\x05\\x03\\x03\\x05\\n\\x07\\x06\\x07\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\xff\\xc0\\x00\\x11\\x08\\x00\\x1c\\x00\\x1c\\x03\\x01\"\\x00\\x02\\x11\\x01\\x03\\x11\\x01\\xff\\xc4\\x00\\x1f\\x00\\x00\\x01\\x05\\x01\\x01\\x01\\x01\\x01\\x01\\x00\\x00\\x00\\x00\\x00\\x00\\x00\\x00\\x01\\x02\\x03\\x04\\x05\\x06\\x07\\x08\\t\\n\\x0b\\xff\\xc4\\x00\\xb5\\x10\\x00\\x02\\x01\\x03\\x03\\x02\\x04\\x03\\x05\\x05\\x04\\x04\\x00\\x00\\x01}\\x01\\x02\\x03\\x00\\x04\\x11\\x05\\x12!1A\\x06\\x13Qa\\x07\"q\\x142\\x81\\x91\\xa1\\x08#B\\xb1\\xc1\\x15R\\xd1\\xf0$3br\\x82\\t\\n\\x16\\x17\\x18\\x19\\x1a%&\\'()*456789:CDEFGHIJSTUVWXYZcdefghijstuvwxyz\\x83\\x84\\x85\\x86\\x87\\x88\\x89\\x8a\\x92\\x93\\x94\\x95\\x96\\x97\\x98\\x99\\x9a\\xa2\\xa3\\xa4\\xa5\\xa6\\xa7\\xa8\\xa9\\xaa\\xb2\\xb3\\xb4\\xb5\\xb6\\xb7\\xb8\\xb9\\xba\\xc2\\xc3\\xc4\\xc5\\xc6\\xc7\\xc8\\xc9\\xca\\xd2\\xd3\\xd4\\xd5\\xd6\\xd7\\xd8\\xd9\\xda\\xe1\\xe2\\xe3\\xe4\\xe5\\xe6\\xe7\\xe8\\xe9\\xea\\xf1\\xf2\\xf3\\xf4\\xf5\\xf6\\xf7\\xf8\\xf9\\xfa\\xff\\xc4\\x00\\x1f\\x01\\x00\\x03\\x01\\x01\\x01\\x01\\x01\\x01\\x01\\x01\\x01\\x00\\x00\\x00\\x00\\x00\\x00\\x01\\x02\\x03\\x04\\x05\\x06\\x07\\x08\\t\\n\\x0b\\xff\\xc4\\x00\\xb5\\x11\\x00\\x02\\x01\\x02\\x04\\x04\\x03\\x04\\x07\\x05\\x04\\x04\\x00\\x01\\x02w\\x00\\x01\\x02\\x03\\x11\\x04\\x05!1\\x06\\x12AQ\\x07aq\\x13\"2\\x81\\x08\\x14B\\x91\\xa1\\xb1\\xc1\\t#3R\\xf0\\x15br\\xd1\\n\\x16$4\\xe1%\\xf1\\x17\\x18\\x19\\x1a&\\'()*56789:CDEFGHIJSTUVWXYZcdefghijstuvwxyz\\x82\\x83\\x84\\x85\\x86\\x87\\x88\\x89\\x8a\\x92\\x93\\x94\\x95\\x96\\x97\\x98\\x99\\x9a\\xa2\\xa3\\xa4\\xa5\\xa6\\xa7\\xa8\\xa9\\xaa\\xb2\\xb3\\xb4\\xb5\\xb6\\xb7\\xb8\\xb9\\xba\\xc2\\xc3\\xc4\\xc5\\xc6\\xc7\\xc8\\xc9\\xca\\xd2\\xd3\\xd4\\xd5\\xd6\\xd7\\xd8\\xd9\\xda\\xe2\\xe3\\xe4\\xe5\\xe6\\xe7\\xe8\\xe9\\xea\\xf2\\xf3\\xf4\\xf5\\xf6\\xf7\\xf8\\xf9\\xfa\\xff\\xda\\x00\\x0c\\x03\\x01\\x00\\x02\\x11\\x03\\x11\\x00?\\x00\\xfc\\x1c\\xb1\\xbd\\xd5d\\xb7\\x87J\\xba\\xb0\\x13[]\\xc8\\xab\\x16\\xebT\\x0e\\xd8a\\xf2E)Rc\\xe7\\x8f\\x97\\x81\\xb8\\xe4rk\\xb3\\xf1&\\x87{\\xaf\\xdciz}\\x8e\\x9f\\xa1\\xcc\\xef\\xa8$ri\\x96L\\x01Ids\\x11A1\\x7f\\xf4\\xc4\\xdc\\xa4\\x89\\x16V\\xd8\\x1bi|\\x01\\x8f\\xd8o\\xd9\\xc7\\xf6\\r\\xfd\\x89\\xb4\\xed?O\\xf1\\'\\x86|?\\xa5\\xf8\\xaa\\xd2\\xe2E\\xb7\\xb3\\xb2\\xd5\\xadmd\\xb4\\xd4\\xae\\x15\\x18\\x86(\\x96\\x80H<\\xbf5\\x94\\x96|\\x82O\\xcc\\t5\\xee\\x91\\xfc._\\x03*\\xf8s\\xe1o\\xc2\\x1d\\x1f\\xc1\\xf7~#\\xb1\\xb6\\xb0\\xbb\\xba\\xf0\\xb5\\x81?g\\xbe\\xbb\\xdc\\x05\\xfcr\\xa4\\x11\\xc5u\\x15\\xbc\\xb7\\x128[\\x81\\x1c\\x8d\\xfb\\xc7_(\\x1cI\\xf3\\x15sW:\\x89\\xd2\\x8e\\xd7\\xebo\\xeb\\xfa\\xf3GB\\xc2\\xa5\\xac\\x99\\xf8\\xd1\\xf0\\xfb\\xfe\\t\\xfd\\xf1/\\xc5\\xd6\\xba\\x86\\xa1\\xe3\\x9f\\x07\\xc1\\xe1k\\x8d1\\x9a]:\\xc2\\xf3L\\t\\r\\xe2\\xa0\\xda\\xcb.\\xe7\\xf3\\xd42\\xc5\\xc7|\\xbe\\xf02~no\\xe2\\x17\\xec\\xd1q\\xe0\\xef\\x14\\xdc\\xe8\\xfa\\xce\\xa1\\xf0\\xefM&i&\\x82\\xc6\\xfbR\\x92&\\x827\\x91\\xdb\\xcbP\\xf2\\xeedF,\\x8a\\xc7\\x92\\xaa7a\\xb7\\x01\\xfd\\x08\\'\\xc1\\x8f\\x87Z\\xd5\\x8d\\xce\\xa5\\xad\\xf8\\'\\xc3\\xf7\\x17\\x97\\xb7\\xd3I\\x1d\\xf5\\x9e\\x88\\xb0Kkl\\xc6A\\x06d\\x04\\x96\\x9c\\x07%\\x9d\\x192_pU#\\x8az\\x8f\\xc2_\\x84\\xf7W\\x92M\\xadxSF\\xbd\\x94\\xbb\\x11&\\xaf\\x08\\x99\\xd0\\x12[by\\xbb\\x8aF\\t8E\\xc2\\x8c\\x9c\\x01\\\\\\x14\\xf1\\xb8\\xeev\\xeaON\\xc9m\\xfdy\\x9a\\xce\\x9d5\\x1bD\\xf9\\x0f\\xf6y\\xf0\\xa6\\x91\\xf1\\x1b\\xc3\\xb6~\\x17\\xf0~\\xb3\\x0c6:LS\\xc7c7\\x89!]m.\\xb4\\xbb\\x8bi x\\xa0\\x8eR\\xb3\\xc4<\\xa9\\x12\\x15q!O(\\xca\\x81T\\xc8\\xf8\\xf7\\xff\\x00\\xd9\\xf6\\xc6\\xcf\\xe1v\\x8d?\\x81\\xf5\\xc85]\"\\x0bHlma\\xb5H\\xa4\\x8a\\xda-\\xb66\\xb6\\xd1\\xa4s\\xa0S\\x98\\xe3\\x85A\\x11\\x90\\x8a\\xef;\\x1d\\xc4\\x16O\\x87\\xff\\x00fO\\xda\\x03\\xe2\\x0f\\x84<\\x13\\x16\\x89\\xa2\\xcdj\\xb2\\xd9\\xc1\\x1aG\\xa8\\xbc,\\xd3\\xba\\xf9\\x88\\x808\\xdd\\xe5\\xb9\\x0b+\\r\\xc57\\x1d\\xaaI%A\\xafo\\xf0_\\xc6_\\x1fx\\x89\\xcf\\x8b\\xb5\\x9d\\\\\\xcdp\\xcd\\xb5!R\\xd1\\xc5\\x1e_\\x19UB9\\xe7\\xbez\\n\\xe0\\xe6\\x9dW\\xcd\\x07du^4\\xe3\\xcb=Y\\xf6\\x9e\\xad\\xae\\xe9Ze\\x9c\\x1fo\\xb9\\x82(\\xa4Rbi\\xa6UG\\\\d\\xb0 \\x8e>a\\xce{\\xf7\\xcf5.\\xf5\\xfd=\\xa4\\x0e\\x97\\x82`W\\x86I\\xce\\x00\\x04\\x808\\xe3\\xa0\\x1f\\x9f~\\xa7\\xe0\\xff\\x00\\x8a^8\\xf1\\x14\\x1e6\\x82\\xce\\xee\\xfd\\xefR\\xecy\\x80_J\\xf2\\x08\\x18\\xae\\x7fv\\xa5\\xb6\\xae0;\\x1e\\x9e\\xbc\\xd7!\\xfbD\\x7f\\xc1B\\x7fh\\x8f\\x80\\xbe*\\xd3<\\x0b\\xe0\\xbb\\xdd*k3\\xa1Epd\\xd4\\xac\\x9aY\\x0b\\xb4\\x92\\xafP\\xea1\\x84^1[\\xac4\\xe6\\x95\\xd9\\x83\\xab\\x14\\x9d\\x91\\xff\\xd9'>, 'label': <tf.Tensor: id=242690, shape=(), dtype=int64, numpy=3>}\n0\n{'image_raw': <tf.Tensor: id=242694, shape=(), dtype=string, numpy=b'\\xff\\xd8\\xff\\xe0\\x00\\x10JFIF\\x00\\x01\\x01\\x01\\x01,\\x01,\\x00\\x00\\xff\\xdb\\x00C\\x00\\x02\\x01\\x01\\x01\\x01\\x01\\x02\\x01\\x01\\x01\\x02\\x02\\x02\\x02\\x02\\x04\\x03\\x02\\x02\\x02\\x02\\x05\\x04\\x04\\x03\\x04\\x06\\x05\\x06\\x06\\x06\\x05\\x06\\x06\\x06\\x07\\t\\x08\\x06\\x07\\t\\x07\\x06\\x06\\x08\\x0b\\x08\\t\\n\\n\\n\\n\\n\\x06\\x08\\x0b\\x0c\\x0b\\n\\x0c\\t\\n\\n\\n\\xff\\xdb\\x00C\\x01\\x02\\x02\\x02\\x02\\x02\\x02\\x05\\x03\\x03\\x05\\n\\x07\\x06\\x07\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\xff\\xc0\\x00\\x11\\x08\\x00\\x1c\\x00\\x1c\\x03\\x01\"\\x00\\x02\\x11\\x01\\x03\\x11\\x01\\xff\\xc4\\x00\\x1f\\x00\\x00\\x01\\x05\\x01\\x01\\x01\\x01\\x01\\x01\\x00\\x00\\x00\\x00\\x00\\x00\\x00\\x00\\x01\\x02\\x03\\x04\\x05\\x06\\x07\\x08\\t\\n\\x0b\\xff\\xc4\\x00\\xb5\\x10\\x00\\x02\\x01\\x03\\x03\\x02\\x04\\x03\\x05\\x05\\x04\\x04\\x00\\x00\\x01}\\x01\\x02\\x03\\x00\\x04\\x11\\x05\\x12!1A\\x06\\x13Qa\\x07\"q\\x142\\x81\\x91\\xa1\\x08#B\\xb1\\xc1\\x15R\\xd1\\xf0$3br\\x82\\t\\n\\x16\\x17\\x18\\x19\\x1a%&\\'()*456789:CDEFGHIJSTUVWXYZcdefghijstuvwxyz\\x83\\x84\\x85\\x86\\x87\\x88\\x89\\x8a\\x92\\x93\\x94\\x95\\x96\\x97\\x98\\x99\\x9a\\xa2\\xa3\\xa4\\xa5\\xa6\\xa7\\xa8\\xa9\\xaa\\xb2\\xb3\\xb4\\xb5\\xb6\\xb7\\xb8\\xb9\\xba\\xc2\\xc3\\xc4\\xc5\\xc6\\xc7\\xc8\\xc9\\xca\\xd2\\xd3\\xd4\\xd5\\xd6\\xd7\\xd8\\xd9\\xda\\xe1\\xe2\\xe3\\xe4\\xe5\\xe6\\xe7\\xe8\\xe9\\xea\\xf1\\xf2\\xf3\\xf4\\xf5\\xf6\\xf7\\xf8\\xf9\\xfa\\xff\\xc4\\x00\\x1f\\x01\\x00\\x03\\x01\\x01\\x01\\x01\\x01\\x01\\x01\\x01\\x01\\x00\\x00\\x00\\x00\\x00\\x00\\x01\\x02\\x03\\x04\\x05\\x06\\x07\\x08\\t\\n\\x0b\\xff\\xc4\\x00\\xb5\\x11\\x00\\x02\\x01\\x02\\x04\\x04\\x03\\x04\\x07\\x05\\x04\\x04\\x00\\x01\\x02w\\x00\\x01\\x02\\x03\\x11\\x04\\x05!1\\x06\\x12AQ\\x07aq\\x13\"2\\x81\\x08\\x14B\\x91\\xa1\\xb1\\xc1\\t#3R\\xf0\\x15br\\xd1\\n\\x16$4\\xe1%\\xf1\\x17\\x18\\x19\\x1a&\\'()*56789:CDEFGHIJSTUVWXYZcdefghijstuvwxyz\\x82\\x83\\x84\\x85\\x86\\x87\\x88\\x89\\x8a\\x92\\x93\\x94\\x95\\x96\\x97\\x98\\x99\\x9a\\xa2\\xa3\\xa4\\xa5\\xa6\\xa7\\xa8\\xa9\\xaa\\xb2\\xb3\\xb4\\xb5\\xb6\\xb7\\xb8\\xb9\\xba\\xc2\\xc3\\xc4\\xc5\\xc6\\xc7\\xc8\\xc9\\xca\\xd2\\xd3\\xd4\\xd5\\xd6\\xd7\\xd8\\xd9\\xda\\xe2\\xe3\\xe4\\xe5\\xe6\\xe7\\xe8\\xe9\\xea\\xf2\\xf3\\xf4\\xf5\\xf6\\xf7\\xf8\\xf9\\xfa\\xff\\xda\\x00\\x0c\\x03\\x01\\x00\\x02\\x11\\x03\\x11\\x00?\\x00\\xfc\\xa4\\xf8\\xbf\\xf0\\xe7\\xc2\\xfe\\x10\\x8b\\xc0\\xde \\xf0\\xef\\x80t\\xb2|K\\xf0\\xe2\\xde\\xff\\x00Q\\xd2\\xa6Rm\\xec\\xeeq<\\x01 \\x13\\xa1rX\\xc4\\x8e\\xceK\\x01+L\\xbb\\xbd)i\\x1f\\n\\xfc\\x1f\\xe2\\x0b\\x0b+\\x08\\xb4\\x15\\x12\\xdfi\\x9fg\\xbb\\x17\\x0b\\x1c\\xa2\\xdax\\xe1\\x88I?\\x99\\xb1X0v\\x95\\x88eP\\x88\\x8b\\x99\\x1dW5\\xf6?\\xc3\\xcf\\xd8#M\\xba\\xd5\\xfc\\x07\\xe0\\x0f\\x89\\xbe\"\\x12\\xe9\\x9a6\\xaf\\xaa\\xe8:\\xcc\\x966\\xf1\\xad\\xdd\\x85\\xf4\\xb7\\xa8\\xb1\\xdbIr\\xb2y\\x91lI<\\xe5Y\\x06\\xcd\\xee\\xca\\x02,\\xbey\\xfa\\xcb\\xe0O\\xfc\\x11\\xfb\\xf6n\\xf8\\x11\\xe3\\x9b\\xaf\\x88\\x9a\\xd7\\xc3\\xef\\xf8M\\x0e\\x9f\\xaeG/\\x86\\xe0\\xd5\\xae\\x19\\xfe\\xc7f!\\x129\\x10\\xac!e\\xb9\\xf3\\x9dN\\xd7\\x1f6\\xc4*\\xca\\xe5\\x83|5\\\\\\xce\\x10_\\x13\\xbf\\xf5\\xe6~\\xdb\\x82\\xe1\\xba\\x98\\x87\\xcd\\xc8\\x92\\xd1;\\xdbM\\x16\\xba/\\xe9\\xf6\\xe9\\xf1\\x1f\\xc3\\xef\\xd8\\x03\\xc0_\\x15u\\xc9~\\x1e\\xfc4\\xf0\\x07\\x81\\xdbV\\xb7Kf\\xba}_Q\\xb7\\xdb#\\xdb\\xc6c>[\\xaal\\x99Y\\xae\"\\r\\xe4\\xb2\\xeedVd\\x94\\xb2\\x81\\xc3\\xea\\x1f\\xf0J\\x1f\\x8d\\xf7\\x89i\\xa9j\\xdf\\x08\\x17\\xc3\\x0bwa\\x04\\xf6\\xb6\\x1a\\x9f\\x84\\xf5\\xfdJi#d\\x04\\xcaF\\x87\\xa4_Ei\\x99<\\xc5\\xfb4\\xf2\\xa5\\xcal&H\\xd4:\\x16\\xfd\\xb0\\xd5>\\t\\xfc+\\xd1t+\\xfb\\xeb\\x7f\\x86vZ\\x16\\xad\\xaa\\xe9\\rk}\\xabxz\\xc0Zj\\x10\\xf9\\x80\\xab\\x18f\\xb6S:>X\\x16ul\\x86P\\xc7\\x18\\x04q\\xde.\\xfd\\x9c?f/\\x1f\\xdeC\\xaa|@\\xfd\\x9f\\xfc/\\xe2\\xcb\\x88c\\x91-\\xb5?\\x16\\xe8+\\xa9]*<\\xf2\\xcf$bK\\xb8f\\x928\\xc4\\xf3NV\\x10\\xc1\"\\r\\xb5\\x11\\x14\\x05\\x1c\\x0b7\\xab\\x19j\\xdd\\x8f\\x7f\\xfdO\\xc2\\xd4\\xa5\\xa2W\\xf4V\\xfc\\x9f\\xe6n\\xf8r\\xd7\\xc1\\x9a\\x8d\\xc5\\xdf\\x8d\\xe3\\xf0\\xf5\\xb6\\x9e\\xb7\\xd2\\xba\\xcdqn\\x9e[\\xdd\\x13\\xb9#.\\xd0\\xecpW\\'9P\\xc5Q\\x0b\\x12+\\xb5\\xb5\\xd7\\xf5\\x19\\xa1\\xb6\\x9eKYd\\x10\\xbe\\xc4\\xb8\\x8fKi\\xc9\\x08U\\x8a\\xe0\\xb1,\\xa5r72g\\x04\\xfc\\xdf0\\xcf\\x83~\\xd1\\x1e8\\xf1\\x07\\x85\\xff\\x00g\\x0f\\x16\\xf8\\xeb@\\xbd\\x92\\xd7Y\\x16)l\\x9a\\x9c\\x17\\x12\\xa4\\xb1\\xfd\\xa2X\\xa3iT\\xab\\x8d\\xb2(\\x90\\x95a\\xf7HR:W\\xe7\\xaf\\x8b\\xbfi\\x1f\\x8e\\xde6\\xf8]-\\xaf\\x89~)\\xeb\\x17\\ri\\xa5}\\xbdn\\x16\\xe8\\xc7#\\xc8g\\xb3fF)\\x8f\\x91\\x9aRX\\x00\\x0b\\x15\\x19\\'/\\xbb\\xcd\\xc3\\xe1\\xe5\\x88W\\xbd\\x92=\\xec~gG/q\\x84\\xa1v\\xd5\\xd7c\\xf4\\xf3\\xc6_\\xb4\\x97\\x81t\\rF\\xee\\xc3X\\xf1\\xde\\x84M\\xb3F\\xd3\\xad\\xd9x\\xed\\xd1Y\\xa4dM\\xb2\\xc8\\xc08\\x8e$\\xc9%C\\xa8\\xe1H!O\\x82|c\\xff\\x00\\x82\\x98h\\xff\\x00\\x06\\xbcW\\x1f\\x86|7\\xf0\\x07\\xe2\\x87\\x8e\\xe0\\xb9\\xb2K\\xc6\\xd5\\xbc\\x13\\xe1\\xeb\\x8dB\\xce\\x16r\\xc3\\xc8\\xf3\\x0c\\xb1\\xe1\\xb6\\xaa\\xc9\\xb7`\\xc2J\\x87\\xbd~a\\xcd\\xf1\\x07\\xc6:\\x9d\\xc4\\x16\\xd7\\xba\\xf4\\xf2G\\x15\\xb0\\x8a8\\xd9\\xb2<\\xb0\\xf3I\\xb1\\xb3\\xf7\\xc6\\xe2~\\xfe\\xee\\x18\\x81\\x81\\xc5yf\\xad\\xaf\\xde\\xfcV\\xf1\\x06\\xa7\\xe3\\xff\\x00\\x1c$w\\x9a\\xb6\\xa1\\xa8\\xcaon\\xd8\\x10e(\\xdeZ\\x923\\x8c\\xedU\\x1cu\\xc6z\\x92k\\xd4\\xc3\\xe5\\xf4\\x14\\xafQ\\xb6\\x8f\\x9c\\xc7q&.pP\\xa1\\x15\\x17\\xdf}>i\\xfeG\\xff\\xd9'>, 'label': <tf.Tensor: id=242695, shape=(), dtype=int64, numpy=0>}\n0\n{'image_raw': <tf.Tensor: id=242699, shape=(), dtype=string, numpy=b'\\xff\\xd8\\xff\\xe0\\x00\\x10JFIF\\x00\\x01\\x01\\x01\\x01,\\x01,\\x00\\x00\\xff\\xdb\\x00C\\x00\\x02\\x01\\x01\\x01\\x01\\x01\\x02\\x01\\x01\\x01\\x02\\x02\\x02\\x02\\x02\\x04\\x03\\x02\\x02\\x02\\x02\\x05\\x04\\x04\\x03\\x04\\x06\\x05\\x06\\x06\\x06\\x05\\x06\\x06\\x06\\x07\\t\\x08\\x06\\x07\\t\\x07\\x06\\x06\\x08\\x0b\\x08\\t\\n\\n\\n\\n\\n\\x06\\x08\\x0b\\x0c\\x0b\\n\\x0c\\t\\n\\n\\n\\xff\\xdb\\x00C\\x01\\x02\\x02\\x02\\x02\\x02\\x02\\x05\\x03\\x03\\x05\\n\\x07\\x06\\x07\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\xff\\xc0\\x00\\x11\\x08\\x00\\x1c\\x00\\x1c\\x03\\x01\"\\x00\\x02\\x11\\x01\\x03\\x11\\x01\\xff\\xc4\\x00\\x1f\\x00\\x00\\x01\\x05\\x01\\x01\\x01\\x01\\x01\\x01\\x00\\x00\\x00\\x00\\x00\\x00\\x00\\x00\\x01\\x02\\x03\\x04\\x05\\x06\\x07\\x08\\t\\n\\x0b\\xff\\xc4\\x00\\xb5\\x10\\x00\\x02\\x01\\x03\\x03\\x02\\x04\\x03\\x05\\x05\\x04\\x04\\x00\\x00\\x01}\\x01\\x02\\x03\\x00\\x04\\x11\\x05\\x12!1A\\x06\\x13Qa\\x07\"q\\x142\\x81\\x91\\xa1\\x08#B\\xb1\\xc1\\x15R\\xd1\\xf0$3br\\x82\\t\\n\\x16\\x17\\x18\\x19\\x1a%&\\'()*456789:CDEFGHIJSTUVWXYZcdefghijstuvwxyz\\x83\\x84\\x85\\x86\\x87\\x88\\x89\\x8a\\x92\\x93\\x94\\x95\\x96\\x97\\x98\\x99\\x9a\\xa2\\xa3\\xa4\\xa5\\xa6\\xa7\\xa8\\xa9\\xaa\\xb2\\xb3\\xb4\\xb5\\xb6\\xb7\\xb8\\xb9\\xba\\xc2\\xc3\\xc4\\xc5\\xc6\\xc7\\xc8\\xc9\\xca\\xd2\\xd3\\xd4\\xd5\\xd6\\xd7\\xd8\\xd9\\xda\\xe1\\xe2\\xe3\\xe4\\xe5\\xe6\\xe7\\xe8\\xe9\\xea\\xf1\\xf2\\xf3\\xf4\\xf5\\xf6\\xf7\\xf8\\xf9\\xfa\\xff\\xc4\\x00\\x1f\\x01\\x00\\x03\\x01\\x01\\x01\\x01\\x01\\x01\\x01\\x01\\x01\\x00\\x00\\x00\\x00\\x00\\x00\\x01\\x02\\x03\\x04\\x05\\x06\\x07\\x08\\t\\n\\x0b\\xff\\xc4\\x00\\xb5\\x11\\x00\\x02\\x01\\x02\\x04\\x04\\x03\\x04\\x07\\x05\\x04\\x04\\x00\\x01\\x02w\\x00\\x01\\x02\\x03\\x11\\x04\\x05!1\\x06\\x12AQ\\x07aq\\x13\"2\\x81\\x08\\x14B\\x91\\xa1\\xb1\\xc1\\t#3R\\xf0\\x15br\\xd1\\n\\x16$4\\xe1%\\xf1\\x17\\x18\\x19\\x1a&\\'()*56789:CDEFGHIJSTUVWXYZcdefghijstuvwxyz\\x82\\x83\\x84\\x85\\x86\\x87\\x88\\x89\\x8a\\x92\\x93\\x94\\x95\\x96\\x97\\x98\\x99\\x9a\\xa2\\xa3\\xa4\\xa5\\xa6\\xa7\\xa8\\xa9\\xaa\\xb2\\xb3\\xb4\\xb5\\xb6\\xb7\\xb8\\xb9\\xba\\xc2\\xc3\\xc4\\xc5\\xc6\\xc7\\xc8\\xc9\\xca\\xd2\\xd3\\xd4\\xd5\\xd6\\xd7\\xd8\\xd9\\xda\\xe2\\xe3\\xe4\\xe5\\xe6\\xe7\\xe8\\xe9\\xea\\xf2\\xf3\\xf4\\xf5\\xf6\\xf7\\xf8\\xf9\\xfa\\xff\\xda\\x00\\x0c\\x03\\x01\\x00\\x02\\x11\\x03\\x11\\x00?\\x00\\xfc\\xe9\\xf0\\x0f\\xc6O\\x05i\\xf6Zf\\x9b\\xe2/\\xd9\\xbf\\xe1^\\xb1\\xfe\\x8c\\x02-\\xef\\x81m7H\\xa5\\xce\\x1c\\xf9i\\x8e7\\x05\\x00`m<\\xeef\\xddZ7:\\x87\\xc1k\\xaf\\xb0\\xea\\x17\\xbf\\xb3\\xa7\\x84c\\x1al\\xed.\\xa5\\x03\\xe8\\x16\\xac\\xb70\\xc7\\xf2\\xa8\\x1f\\xbb\\x1f6\\x16L\\xed\\'y\\xf2\\xc3!\\xd9\\x95\\xf7\\xe8\\x7f\\xe0\\x83\\x9f\\xb7\\x06\\xb7\\xf0\\xefH\\xf8\\xaf\\xf0f\\xff\\x00\\xc0\\x7f\\x11 \\xb8\\x89F\\x97\\x0f\\x84<V\\xbei\\xb6\\x90\\x12\\x92\\x97\\xbb\\x82\\xd6\\x1f\\xb8r\\xe0K\\xc9q\\x80H`-]\\x7f\\xc1*\\xff\\x00n\\xdf\\x00\\xf8k\\xc4\\x0f\\xf1W\\xf6z\\xd6\\xf4\\xc5\\xb4\\x80\\xcd\\xa9\\xd9@\\xf0^\\xc7=\\xb0\\r\\xe6n\\xb8\\xb6yP\\x15\\x90\\xa7\\xcd\\xf3\\x82$\\x0c\\xa3\\xf7N\\xc3\\xc3\\xad\\xc48\\xf9\\xc3\\x95\\xcf\\x99/O\\xf2\\xbfO\\xcc\\xe3\\xa3\\x95e\\x93|\\xd0vo\\xcd\\xff\\x00\\x9f\\xf5\\xf9|\\xbf\\xe3\\xdf\\x02|%\\xd7l!\\xf1\\x0e\\x83\\xf0c\\xc16V\\x976O\\xe5]\\xc1b\\x88\\xcb\\x14^Y\\xdd$a\\x94#\\x9c\\xa0\\xdcc\\x1ekI\\x84\\'&\\x9e~\\x18xn\\xd2(\\xa0o\\x85>\\x05\\x8aQ\\n\\x99F\\xa5\\xe1\\xb8VF\\xc8\\xca0\\n\\x9bpc\\xd8r\\x00\\xe79\\xcbnc\\xee:\\x17\\xc1\\xed\\x1e\\xef\\xc4\\x93\\xdd\\xf8\\x9bP\\x8fU\\xb9\\xd34Y\\x8e\\x99e\\x02\\x05\\xb7\\x82e\\xb8\\xf3\\x02#\\xb0Ff\\x0b\\x00\\xda\\xcc\\xb9\\x8cK\\xb4\\xae\\xd8\\xc0l\\xc6\\xf8W\\xff\\x00\\t\\x8cQk\\xf7s\\x86\\x92X\\x82\\xb3_\\xc4\\x9ecm\\xf9s\\x932\\x06\\x07\\x19\\x0e\\xb9\\r\\xf7\\xb3\\x92Ur\\xf6\\xf3\\xc5\\xfe\\xf2\\xa4\\xbe\\xed?\"+[\\x08\\xfd\\x9c\\x13\\xf9\\x9ew\\xfb*\\x7f\\xc1[\\xff\\x00k\\x0f\\xd9\\x9a\\x0b-o\\xc0\\xda\\xd47imf,_H\\xd7l\\xec\\xe6\\xb5\\x89\\x01y!h\\xcb\\x81\"H\\xacw\\x06\\x1f1h\\xc6\\xe6}\\xc1\\x13\\xec\\x1f\\xd9;\\xfe\\x0b\\xe1\\xfb{j\\xf7\\xf6\\x1aN\\xbd\\xe3-?_\\xbc\\xb9\\x8d\"\\x96\\xce\\xfbA\\x86a\\x0c{\\x8b#\\xc6 6YS\\xbbl\\x82K\\x96\\xdc\\xd1\\xa8-\\x1a\\xfd\\xef\\xcbo\\x08|@\\xf1\\x13\\x08\\xae\\x18\\xd9\\xb4\\x90\\xc6,\\xe3\\x91\\xf4\\xf8\\x99\\xc2\\x06\\x8d\\x81\\xde\\xcaX\\xb0\\xdcT\\x12~\\xe8\\x0b\\x8cg?D~\\xcf\\x9f\\xb4o\\xc5?\\x0c\\xea\\xda\\x0f\\xc5\\xcd\\x0bYKMf\\xdb\\\\\\xb6If\\xb3C\\x00\\xbeg\\xbcFy.\\x8cEZ\\xe9\\x99\\xb73y\\xac\\xc1\\xb7\\x95 \\xaa\\xa2\\xaf&*\\x95(\\xcb\\x9f\\xd9\\xab\\xfa\\xbf\\xf2=\\x18\\xc23V[\\xfa#\\xf5\\xcb\\xe1o\\xfc\\x16o\\xe1W\\x8d\\xb5\\xab\\xaf\\x06~\\xd0\\xfa\\xc7\\x86u\\xe0\\xd7\\x06\\xd2i<7\\r\\xbd\\xb0\\xf2%x\\xe3h\\xe6\\x13;\\xc0W\\xccP\\xd2\\xf9Wd\\x01\\xf2\\xe2u\\x8f\\xcc,\\xf1\\xd7\\xed\\'\\xff\\x00\\x04\\x85\\xb7\\xf1$\\xa3\\xc7\\xdf\\x07\\xbc\\x13\\xa0\\xdf\\xc8\\x89+\\xc1\\xe2\\x1f\\x07\\xd8Y\\xdeN]C\\xbc\\x92\\xc4\\xb2\\x86Y\\x04\\xad$O\\xe6\\x00\\xe5\\xe1c\\xca\\xed\\'\\xe0\\xdf\\x89~;\\xd3\\xaf\\xff\\x00c\\x99\\xbe>\\xc7\\xf0\\xdb\\xc3\\x96\\xbe#K[mF\\xcekky\\xc4\\x16\\xf3Eqm\\x06\\x0c&c\\x1d\\xca\\xb2M.\\xe1p&?\\xbc`\\x08S\\xb6\\xbe_h4{\\x8b{][R\\xf0\\xfd\\xad\\xdd\\xc6\\xa3c\\x05\\xdc\\xd2\\\\4\\xb9V\\x92%m\\x8b\\xb5\\xc7\\xc8\\xbd\\x179 \\x002q^]\\x0c=\\x1cL\\\\\\x95\\xd6\\xa7-l4y\\xb4mz\\x1f\\xff\\xd9'>, 'label': <tf.Tensor: id=242700, shape=(), dtype=int64, numpy=0>}\n0\n{'image_raw': <tf.Tensor: id=242704, shape=(), dtype=string, numpy=b'\\xff\\xd8\\xff\\xe0\\x00\\x10JFIF\\x00\\x01\\x01\\x01\\x01,\\x01,\\x00\\x00\\xff\\xdb\\x00C\\x00\\x02\\x01\\x01\\x01\\x01\\x01\\x02\\x01\\x01\\x01\\x02\\x02\\x02\\x02\\x02\\x04\\x03\\x02\\x02\\x02\\x02\\x05\\x04\\x04\\x03\\x04\\x06\\x05\\x06\\x06\\x06\\x05\\x06\\x06\\x06\\x07\\t\\x08\\x06\\x07\\t\\x07\\x06\\x06\\x08\\x0b\\x08\\t\\n\\n\\n\\n\\n\\x06\\x08\\x0b\\x0c\\x0b\\n\\x0c\\t\\n\\n\\n\\xff\\xdb\\x00C\\x01\\x02\\x02\\x02\\x02\\x02\\x02\\x05\\x03\\x03\\x05\\n\\x07\\x06\\x07\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\xff\\xc0\\x00\\x11\\x08\\x00\\x1c\\x00\\x1c\\x03\\x01\"\\x00\\x02\\x11\\x01\\x03\\x11\\x01\\xff\\xc4\\x00\\x1f\\x00\\x00\\x01\\x05\\x01\\x01\\x01\\x01\\x01\\x01\\x00\\x00\\x00\\x00\\x00\\x00\\x00\\x00\\x01\\x02\\x03\\x04\\x05\\x06\\x07\\x08\\t\\n\\x0b\\xff\\xc4\\x00\\xb5\\x10\\x00\\x02\\x01\\x03\\x03\\x02\\x04\\x03\\x05\\x05\\x04\\x04\\x00\\x00\\x01}\\x01\\x02\\x03\\x00\\x04\\x11\\x05\\x12!1A\\x06\\x13Qa\\x07\"q\\x142\\x81\\x91\\xa1\\x08#B\\xb1\\xc1\\x15R\\xd1\\xf0$3br\\x82\\t\\n\\x16\\x17\\x18\\x19\\x1a%&\\'()*456789:CDEFGHIJSTUVWXYZcdefghijstuvwxyz\\x83\\x84\\x85\\x86\\x87\\x88\\x89\\x8a\\x92\\x93\\x94\\x95\\x96\\x97\\x98\\x99\\x9a\\xa2\\xa3\\xa4\\xa5\\xa6\\xa7\\xa8\\xa9\\xaa\\xb2\\xb3\\xb4\\xb5\\xb6\\xb7\\xb8\\xb9\\xba\\xc2\\xc3\\xc4\\xc5\\xc6\\xc7\\xc8\\xc9\\xca\\xd2\\xd3\\xd4\\xd5\\xd6\\xd7\\xd8\\xd9\\xda\\xe1\\xe2\\xe3\\xe4\\xe5\\xe6\\xe7\\xe8\\xe9\\xea\\xf1\\xf2\\xf3\\xf4\\xf5\\xf6\\xf7\\xf8\\xf9\\xfa\\xff\\xc4\\x00\\x1f\\x01\\x00\\x03\\x01\\x01\\x01\\x01\\x01\\x01\\x01\\x01\\x01\\x00\\x00\\x00\\x00\\x00\\x00\\x01\\x02\\x03\\x04\\x05\\x06\\x07\\x08\\t\\n\\x0b\\xff\\xc4\\x00\\xb5\\x11\\x00\\x02\\x01\\x02\\x04\\x04\\x03\\x04\\x07\\x05\\x04\\x04\\x00\\x01\\x02w\\x00\\x01\\x02\\x03\\x11\\x04\\x05!1\\x06\\x12AQ\\x07aq\\x13\"2\\x81\\x08\\x14B\\x91\\xa1\\xb1\\xc1\\t#3R\\xf0\\x15br\\xd1\\n\\x16$4\\xe1%\\xf1\\x17\\x18\\x19\\x1a&\\'()*56789:CDEFGHIJSTUVWXYZcdefghijstuvwxyz\\x82\\x83\\x84\\x85\\x86\\x87\\x88\\x89\\x8a\\x92\\x93\\x94\\x95\\x96\\x97\\x98\\x99\\x9a\\xa2\\xa3\\xa4\\xa5\\xa6\\xa7\\xa8\\xa9\\xaa\\xb2\\xb3\\xb4\\xb5\\xb6\\xb7\\xb8\\xb9\\xba\\xc2\\xc3\\xc4\\xc5\\xc6\\xc7\\xc8\\xc9\\xca\\xd2\\xd3\\xd4\\xd5\\xd6\\xd7\\xd8\\xd9\\xda\\xe2\\xe3\\xe4\\xe5\\xe6\\xe7\\xe8\\xe9\\xea\\xf2\\xf3\\xf4\\xf5\\xf6\\xf7\\xf8\\xf9\\xfa\\xff\\xda\\x00\\x0c\\x03\\x01\\x00\\x02\\x11\\x03\\x11\\x00?\\x00\\xfc\\\\\\xd1|\\ta.\\xa5&\\x9byci+A&\\x0b\\xba\\x07]\\xb9;F0\\n\\x8c\\x1c\\xf1\\xd3=\\x86+\\xd25\\xcf\\x82\\x9e\\x18\\xb1\\xd2\\xa3\\xbd\\xb9\\xf0\\xe5\\x90;\\x0e\\xe5\\x16\\xf02\\x898$\\xe4\\x06\\x04\\x92\\n\\x8ey\\xc0\\xf5\\x15C\\xe1.\\x83\\'\\x8b<P.,\\xf3\\x87\\xbd/\\x10\\xb8R\\xa1\\xb7\\x07?t\\x83\\xc6\\x08\\xe0\\xf3\\x92\\x079\\x15\\xf4\\xa5\\xe7\\xc2m[R\\xf0di{\\xa4_Mf\\xd2Nm\\xd6\\'\\r\\xe4\\x86o\\x97\\x95 d$\\x83\\x81\\xc9T\\xe8\\x00\\xc5\\x00|_\\xe3\\xcf\\x87\\x16\\xfe\\x1f3@\\xfe\\x1f\\xb7G\\x85\\xcaH<\\x94R\\xb8=xQ\\xd4m\\xe3\\xdf\\xdf\\x15\\xc3\\xddYX\\xca\\xe1\\x968\\x91v\\x8d\\x88\\x088\\x1f\\xfe\\xbc\\xd7\\xd3?\\x1e\\xbc\\x19|\\xf0\\xdd\\xde\\xb5\\xb4\\xd1\\xb4\\xf34\\xae\\xf3Y\\xbamPJ\\xfc\\xc4\\x82T\\xe1A\\xc1\\x19\\xaf\\x9b\\xef,e\\x86\\xe1\\xa2\\x92c\\x95\\xe3(\\xcd\\x83\\x8e3\\xd3\\x8f\\xf3\\xf4\\xa0\\x0f\\xb4\\xff\\x00g\\xbf\\x80\\xfe#\\xd5<mqi.\\x91\\xe4\\xf9R\\x96dtP\\x8b\\xb5\\xf0\\x01!\\xb03\\x95\\xe0g \\xe4\\xf1\\x93_\\xa4?\\x08\\xff\\x00e9.|\\x18\\xb7\\xb3\\xe8*\\x96\\x93\\xd8\\x14\\xb5k\\x88LR\\x02\\xaaK|\\xbb\\x8ec\\x12\\x80\\x99\\x19ry\\xc0\\xe1\\x07\\x9c\\xfc=\\xf0\\xe7\\x864\\t\\xe1\\xd4\\xb4\\xff\\x00\\x0e\\xdb\\xad\\xd4\\x93B\\xcdt\\xaf\"H3\\xb1\\x88VG]\\xa3\\xe6\\xc6\\x17\\x03\\n;\\xe4\\x9f\\xb0\\xec<Ew\\xe1\\xbd*-GO\\xb7\\x81\\xee \\x92\\xdfO{\\x8b\\x942\\xbd\\xc4r\\xbd\\xd9\\xdd)bL\\xac\\x98\\x017d.\\xd1\\xc6@4\\x01\\xf9\\xbd\\xfbm\\xfe\\xcbz\\x86\\x9f\\xa7\\xcb\\x16\\x97i;\\x08Q\\xbc\\xe9`\\xbcy\\x0b\\xb6\\xec\\x1c+\\xaa\\x12\\x00e\\xcf\\x1cm<\\xe0\\x93_\\x12\\\\\\xfe\\xceZ\\xfd\\xf4\\xc6M7C\\x8e\\xe1W\\xe5w\\x95\\x08`}0@=\\x08\\xeb\\xeb\\x9a\\xfd\\x99\\xf8\\xb1\\xe0/\\x0b\\xf8\\xafJ\\xb1Mz\\xc1\\xee?\\xb4\\xae\\x9a<\\xbd\\xc3\\xff\\x00\\xa3\\x16%\\xcbF3\\x8c\\xeev8`\\xcb\\xc9\\xe3\\x93\\x9f\\x9c\\xbfh/\\x85^\\x13\\xf0O\\xc5[\\xbf\\r\\xf8r\\x19a\\xb4\\x8fJ\\xd2\\xae\\x127er\\x1e\\xe3M\\xb5\\xb9\\x93\\x96\\x04\\xe3|\\xcd\\x8flg\\'$\\x80\\x7f\\xff\\xd9'>, 'label': <tf.Tensor: id=242705, shape=(), dtype=int64, numpy=0>}\n0\n{'image_raw': <tf.Tensor: id=242709, shape=(), dtype=string, numpy=b'\\xff\\xd8\\xff\\xe0\\x00\\x10JFIF\\x00\\x01\\x01\\x01\\x01,\\x01,\\x00\\x00\\xff\\xdb\\x00C\\x00\\x02\\x01\\x01\\x01\\x01\\x01\\x02\\x01\\x01\\x01\\x02\\x02\\x02\\x02\\x02\\x04\\x03\\x02\\x02\\x02\\x02\\x05\\x04\\x04\\x03\\x04\\x06\\x05\\x06\\x06\\x06\\x05\\x06\\x06\\x06\\x07\\t\\x08\\x06\\x07\\t\\x07\\x06\\x06\\x08\\x0b\\x08\\t\\n\\n\\n\\n\\n\\x06\\x08\\x0b\\x0c\\x0b\\n\\x0c\\t\\n\\n\\n\\xff\\xdb\\x00C\\x01\\x02\\x02\\x02\\x02\\x02\\x02\\x05\\x03\\x03\\x05\\n\\x07\\x06\\x07\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\xff\\xc0\\x00\\x11\\x08\\x00\\x1c\\x00\\x1c\\x03\\x01\"\\x00\\x02\\x11\\x01\\x03\\x11\\x01\\xff\\xc4\\x00\\x1f\\x00\\x00\\x01\\x05\\x01\\x01\\x01\\x01\\x01\\x01\\x00\\x00\\x00\\x00\\x00\\x00\\x00\\x00\\x01\\x02\\x03\\x04\\x05\\x06\\x07\\x08\\t\\n\\x0b\\xff\\xc4\\x00\\xb5\\x10\\x00\\x02\\x01\\x03\\x03\\x02\\x04\\x03\\x05\\x05\\x04\\x04\\x00\\x00\\x01}\\x01\\x02\\x03\\x00\\x04\\x11\\x05\\x12!1A\\x06\\x13Qa\\x07\"q\\x142\\x81\\x91\\xa1\\x08#B\\xb1\\xc1\\x15R\\xd1\\xf0$3br\\x82\\t\\n\\x16\\x17\\x18\\x19\\x1a%&\\'()*456789:CDEFGHIJSTUVWXYZcdefghijstuvwxyz\\x83\\x84\\x85\\x86\\x87\\x88\\x89\\x8a\\x92\\x93\\x94\\x95\\x96\\x97\\x98\\x99\\x9a\\xa2\\xa3\\xa4\\xa5\\xa6\\xa7\\xa8\\xa9\\xaa\\xb2\\xb3\\xb4\\xb5\\xb6\\xb7\\xb8\\xb9\\xba\\xc2\\xc3\\xc4\\xc5\\xc6\\xc7\\xc8\\xc9\\xca\\xd2\\xd3\\xd4\\xd5\\xd6\\xd7\\xd8\\xd9\\xda\\xe1\\xe2\\xe3\\xe4\\xe5\\xe6\\xe7\\xe8\\xe9\\xea\\xf1\\xf2\\xf3\\xf4\\xf5\\xf6\\xf7\\xf8\\xf9\\xfa\\xff\\xc4\\x00\\x1f\\x01\\x00\\x03\\x01\\x01\\x01\\x01\\x01\\x01\\x01\\x01\\x01\\x00\\x00\\x00\\x00\\x00\\x00\\x01\\x02\\x03\\x04\\x05\\x06\\x07\\x08\\t\\n\\x0b\\xff\\xc4\\x00\\xb5\\x11\\x00\\x02\\x01\\x02\\x04\\x04\\x03\\x04\\x07\\x05\\x04\\x04\\x00\\x01\\x02w\\x00\\x01\\x02\\x03\\x11\\x04\\x05!1\\x06\\x12AQ\\x07aq\\x13\"2\\x81\\x08\\x14B\\x91\\xa1\\xb1\\xc1\\t#3R\\xf0\\x15br\\xd1\\n\\x16$4\\xe1%\\xf1\\x17\\x18\\x19\\x1a&\\'()*56789:CDEFGHIJSTUVWXYZcdefghijstuvwxyz\\x82\\x83\\x84\\x85\\x86\\x87\\x88\\x89\\x8a\\x92\\x93\\x94\\x95\\x96\\x97\\x98\\x99\\x9a\\xa2\\xa3\\xa4\\xa5\\xa6\\xa7\\xa8\\xa9\\xaa\\xb2\\xb3\\xb4\\xb5\\xb6\\xb7\\xb8\\xb9\\xba\\xc2\\xc3\\xc4\\xc5\\xc6\\xc7\\xc8\\xc9\\xca\\xd2\\xd3\\xd4\\xd5\\xd6\\xd7\\xd8\\xd9\\xda\\xe2\\xe3\\xe4\\xe5\\xe6\\xe7\\xe8\\xe9\\xea\\xf2\\xf3\\xf4\\xf5\\xf6\\xf7\\xf8\\xf9\\xfa\\xff\\xda\\x00\\x0c\\x03\\x01\\x00\\x02\\x11\\x03\\x11\\x00?\\x00\\xfc\\x86\\xf0\\xaf\\xc3\\x9f\\x0f\\xddk\\x8e\\xfa\\xe6\\x95\\xa4\\x18\\x0ce\\x16\\x0b\\x88Q3\\xce\\xe5\\xda\\xbc\\xf5f\\xda6\\x91\\x80\\x08\\xcf9\\xaf[\\xf0\\xdf\\xec\\xd5\\xe1\\xbf\\x12k\\xaf\\xa6h\\xdf\\x0f4\\xddJ\\xc6\\xe2\\x05X\\xae?\\xb2\\xa2/n%\\x8e6y\\xc8X\\xb1\\x94\\xf2\\xe4\\x078\\xc1\\x04\\x129\\xae\\x17\\xc3^ \\x86O\\x19\\xa5\\xce\\x88\\xfb\\x1e;\\xe15\\xab\\x85\\x04\\x9d\\xaf\\x95PN\\xe3\\xce\\x17#=8\\xc9\\xaf\\xd1\\xbf\\x85\\x7f\\x0f\\xfe\\x1b[\\xfc)\\xb5\\xbd\\xd2\\xbe\\x1a\\x8b\\xd6\\xbe\\xb7\\xb5\\xfb\\x06\\xaec\\x8a\\xd5\\xdeO\\xedKyRv\\x91\\xa5p6\\xc1w\\x08\\x8e\\x13\\x12\\xc9\"\\xc8\\xc3s\\x10\\x15\\x00?1\\xbe#|/\\xf0\\xd7\\x86\\xe1\\xb7\\x13xsM&\\xe2\\xca+\\xabi-\\xf4\\xad\\xbf#a6\\xbe\\x13\\x1d\\x00bq\\x9c\\x93\\xc9\\xc8f\\xf3\\xfb\\x9d\\x0fB\\x82A\\x1d\\xc6\\x85\\x14LcG\\nmTeYC+r9\\x040`}\\x08\\xaf\\xa9\\xff\\x00lo\\x85z\\x95\\xbf\\x8c\\xb5C>\\xaf\\xe7\\xae\\x98\\xefc\\xa5\\xa4\\xb0,[\\xed ib\\x8c\\x05P\\xa0(T\\x04n\\xc0&N\\xf8$|\\xed\\xa4\\xfc=\\xf1O\\x8a-M\\xe6\\x81\\xe1\\x9dN\\xee\\x08[\\xc92X\\xe9\\xd2:\\x07\\x00\\x12\\tS\\x8c\\xfc\\xd9\\xfa0\\xed\\x80\\x00=\\xfb\\xc0\\x9f\\x00\\xfcS\\xae\\xf8\\xbe}S\\x13L\\xb7\\x17\\x12L\\xbfb\\xd3\\x98\\xab\\x9c\\xb3\\xe1T\\x05\\xce6\\xb7P\\x07\\xca\\xdc\\xfa\\xfe\\x96\\xfe\\xc7\\xbf\\xb2g\\xc4\\x7f\\x0f\\xf8\\x12\\xd3\\xc1\\x1a\\xb1\\xd5\\xef\\xc8w6\\xefs|\\xa8\\xdaz\\\\}\\x9ag\\x8dI`\\xb6\\xc9\\xe7\\xc7\\n\\xc8\\n\\xe4\\xca\\x02\\xe3paWn\\xff\\x00e\\xcf\\x85\\xff\\x00\\t\\xf5kM\\x17\\xc3\\xf1]\\xdd+\\xf8?H\\xd4d\\x97S1L\\xcc\\xd7:}\\x8d\\xebDG\\x96\\x17\\xcaInd\\xda\\x9b~\\xee\\x03\\x16\\xe4\\x9f\\xa7,\\xec\\xf4\\xcf\\xd9\\xc7\\xc6\\xba\\xb7\\x85\\xfc\\x15\\xa4Z_B\\xfe4\\x87I\\xb8\\x9b\\\\\\x80\\\\<\\xf0\\xb2\\xddL\\x19\\xf1\\xb5K\\x07\\xb1\\x81\\xbe\\xe8V \\x97V8 \\x03\\xf3\\xd7\\xf6\\xd6\\xfd\\x98|e\\xe3\\xfd\\x16m?P\\x8e\\xda\\xe6x.e\\x968\\xe3\\x9b\\r>\\xe8\\xe2\\x12\\x98X:\\xad\\xc3\\xe25\\xf9Qs\\x84N\\x8cp>*\\xb7\\xfd\\x9d\\xfcU\\xe1Ig\\xd2\\xa1\\x9bO\\x8d|\\xed\\xe15\\r\\x06\\xd2\\xed\\xc0*0C\\xca\\xaev\\x91\\x86\\x188 \\xee\\x1f{\\'\\xf7W\\xe3/\\xc0_\\x06\\xdaid[j\\x9a\\xd2\\xcb\\xab\\xcf\\xa5]\\xdc\\xdc\\x1dZFe\\x99\\xf5\\xed:\\xc7z\\x86\\xca\\x82 \\xbau\\x04\\xa9 \\x8d\\xdd^S\\'\\xcb\\x1f\\x12\\xbfb\\xdf\\x85\\x1aO\\x89e\\x8bN\\xd4\\xf5x\\xd1\\xe6\\xb9;Y\\xad\\x9f\\x01n\\xe7\\x8dFZ\\x02p\\x11\\x15y=\\xa8\\x03\\xff\\xd9'>, 'label': <tf.Tensor: id=242710, shape=(), dtype=int64, numpy=0>}\n0\n{'image_raw': <tf.Tensor: id=242714, shape=(), dtype=string, numpy=b'\\xff\\xd8\\xff\\xe0\\x00\\x10JFIF\\x00\\x01\\x01\\x01\\x01,\\x01,\\x00\\x00\\xff\\xdb\\x00C\\x00\\x02\\x01\\x01\\x01\\x01\\x01\\x02\\x01\\x01\\x01\\x02\\x02\\x02\\x02\\x02\\x04\\x03\\x02\\x02\\x02\\x02\\x05\\x04\\x04\\x03\\x04\\x06\\x05\\x06\\x06\\x06\\x05\\x06\\x06\\x06\\x07\\t\\x08\\x06\\x07\\t\\x07\\x06\\x06\\x08\\x0b\\x08\\t\\n\\n\\n\\n\\n\\x06\\x08\\x0b\\x0c\\x0b\\n\\x0c\\t\\n\\n\\n\\xff\\xdb\\x00C\\x01\\x02\\x02\\x02\\x02\\x02\\x02\\x05\\x03\\x03\\x05\\n\\x07\\x06\\x07\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\xff\\xc0\\x00\\x11\\x08\\x00\\x1c\\x00\\x1c\\x03\\x01\"\\x00\\x02\\x11\\x01\\x03\\x11\\x01\\xff\\xc4\\x00\\x1f\\x00\\x00\\x01\\x05\\x01\\x01\\x01\\x01\\x01\\x01\\x00\\x00\\x00\\x00\\x00\\x00\\x00\\x00\\x01\\x02\\x03\\x04\\x05\\x06\\x07\\x08\\t\\n\\x0b\\xff\\xc4\\x00\\xb5\\x10\\x00\\x02\\x01\\x03\\x03\\x02\\x04\\x03\\x05\\x05\\x04\\x04\\x00\\x00\\x01}\\x01\\x02\\x03\\x00\\x04\\x11\\x05\\x12!1A\\x06\\x13Qa\\x07\"q\\x142\\x81\\x91\\xa1\\x08#B\\xb1\\xc1\\x15R\\xd1\\xf0$3br\\x82\\t\\n\\x16\\x17\\x18\\x19\\x1a%&\\'()*456789:CDEFGHIJSTUVWXYZcdefghijstuvwxyz\\x83\\x84\\x85\\x86\\x87\\x88\\x89\\x8a\\x92\\x93\\x94\\x95\\x96\\x97\\x98\\x99\\x9a\\xa2\\xa3\\xa4\\xa5\\xa6\\xa7\\xa8\\xa9\\xaa\\xb2\\xb3\\xb4\\xb5\\xb6\\xb7\\xb8\\xb9\\xba\\xc2\\xc3\\xc4\\xc5\\xc6\\xc7\\xc8\\xc9\\xca\\xd2\\xd3\\xd4\\xd5\\xd6\\xd7\\xd8\\xd9\\xda\\xe1\\xe2\\xe3\\xe4\\xe5\\xe6\\xe7\\xe8\\xe9\\xea\\xf1\\xf2\\xf3\\xf4\\xf5\\xf6\\xf7\\xf8\\xf9\\xfa\\xff\\xc4\\x00\\x1f\\x01\\x00\\x03\\x01\\x01\\x01\\x01\\x01\\x01\\x01\\x01\\x01\\x00\\x00\\x00\\x00\\x00\\x00\\x01\\x02\\x03\\x04\\x05\\x06\\x07\\x08\\t\\n\\x0b\\xff\\xc4\\x00\\xb5\\x11\\x00\\x02\\x01\\x02\\x04\\x04\\x03\\x04\\x07\\x05\\x04\\x04\\x00\\x01\\x02w\\x00\\x01\\x02\\x03\\x11\\x04\\x05!1\\x06\\x12AQ\\x07aq\\x13\"2\\x81\\x08\\x14B\\x91\\xa1\\xb1\\xc1\\t#3R\\xf0\\x15br\\xd1\\n\\x16$4\\xe1%\\xf1\\x17\\x18\\x19\\x1a&\\'()*56789:CDEFGHIJSTUVWXYZcdefghijstuvwxyz\\x82\\x83\\x84\\x85\\x86\\x87\\x88\\x89\\x8a\\x92\\x93\\x94\\x95\\x96\\x97\\x98\\x99\\x9a\\xa2\\xa3\\xa4\\xa5\\xa6\\xa7\\xa8\\xa9\\xaa\\xb2\\xb3\\xb4\\xb5\\xb6\\xb7\\xb8\\xb9\\xba\\xc2\\xc3\\xc4\\xc5\\xc6\\xc7\\xc8\\xc9\\xca\\xd2\\xd3\\xd4\\xd5\\xd6\\xd7\\xd8\\xd9\\xda\\xe2\\xe3\\xe4\\xe5\\xe6\\xe7\\xe8\\xe9\\xea\\xf2\\xf3\\xf4\\xf5\\xf6\\xf7\\xf8\\xf9\\xfa\\xff\\xda\\x00\\x0c\\x03\\x01\\x00\\x02\\x11\\x03\\x11\\x00?\\x00\\xfc\\x89\\xf0\\xaf\\xc3]\\x07\\\\\\xf1?\\xf6\\x0e\\xa7\\xe1\\xd8%\\xb7\\xb6y pL1\\xed#;Qw\\x82\\x0b\\xb3oT\\x8dNK\\x11\\x8c\\x8c\\x86\\xed\\xfc_\\xfb9\\xf8z;x\\xb4{/\\nY]\\xddM?\\xda\\xda\\xf6\\r>?$\\xa4\\x98V\\x08Q\\x17q\\xdd\\x18\\xc2\\x84\\x01K:\\x90v+7O\\xfb \\xfc3\\xd5\\xb5\\xcf\\x8b:^\\x88\\xba.\\xa0na\\xd5U\\xad\\xa5\\xb5tI\"\\xb8[\\x80\\xd0\\xbe\\xff\\x00-\\xca\\xa0d\\x8c\\x11\\xb5\\x97\\x04\\xe4\\xaew\\xaf\\xe8G\\xc4_\\xd9\\x87E\\xb7\\xf8}\\xa2\\xf8\\xef\\xc0\\xf6\\xf7\\x96\\x1aG\\x89o/\\xad/4\\xb8\\xc3 y\\xad\\xcd\\xbd\\xdc\\xe9n\\xef\\xb2K\\x85\\x8d\\x9c\\xac\\xae\\x07\\x94\\x93\\xc1\\xb5\\x86P\\x05\\x00\\xfc\\x96\\xf1\\x87\\xc1\\x0b=\\x06\\xc7\\xcf\\x9b\\xc3z|[3\\xbc\\x1bX\\xc3\\x12{`\\x0c\\x8c\\x0c\\xf3\\xd8\\xf0pp\\x0f\\x0b\\'\\x87tu E\\xa1\\xda\\x91\\x8e\\x7fr\\x9c\\x1f\\xca\\xbe\\xe3\\xfd\\xaa>\\n\\xe8\\xba\\x1e\\x99sysgqasmm\\xb3M\\xb6\\xb6\\x81e\\x8a\\xe2\\xe3\\xccUp\\xef\\xbdv\\'\\x95\\xe6\\x9d\\xc0H\\xdb\\x91\\x10\\xaa\\x87,\\x9f\\x17k\\x1av\\x9e/6\\xdc\\xe7!@\\\\?n\\xdd\\x0fZ\\x00\\xfa7\\xe07\\xc5\\x8f\\x15\\xc7\\xf1v\\xcb\\xc53\\xe9w\"\\xd6\\xf3\\xc4\\x9b\\xad-c\\xb5H\\xad\\xfe\\xd4\\xb3+*;\\x81\\x1a\\xa8T\\x941\\\\\\xa9\\x03\\x9e>Q_\\xa9\\xbf\\xb2\\xf6\\x85{\\xf1?\\xc1\\x10\\'\\xc4\\xa6\\x96-Q\\xac\\xda\\xe2)-\\xec\\x12\\'\\x06B\\xaa\\x80\\xa9}\\xdb\\x08Q\\xe5\\xfc\\xad\\x86\\x8c\\x03\\xb2\\x1c\\x04\\xf3\\x7f\\x86\\x7f\\t>\\x1fi:\\xdd\\xbe\\xa6\\xbe\\x1d\\x8ek\\x95\\x00\\t\\xa5\\x91\\x81\\xfe\\ty\\x08T\\x11\\xba3\\xc60|\\xc7$\\x16\\xc3\\x0f\\xbeS\\xe1?\\x80|\\x19\\xf0\\xdfA\\xb4\\xd1\\xbc7j\\x0e\\xa5\\xa3\\x9dA\\xa5\\x92\\xdd7B\\xeem\\xfc\\xc4P\\x14+\\x07\\x11\\x00\\xcc\\xe1\\xdc\\xab\\xb8\\xde\\x03b\\x80?/\\x7fl\\xff\\x00\\x82\\x9a\\x85\\xf2\\\\\\xd9\\xd8\\xd88\\x9d\\x01gT?$\\xa0\\xa8;\\xceJ\\xec$\\x94l\\xb1=s\\xe8\\xb5\\xf1h\\xf8\\x1b\\xae_C\\x1c\\xf1\\xc8a;6\\xc8\\xb7\\x171\\xc6K\\x02A\\xc2\\xe0`\\x0e\\x9d\\xf3\\xb7=\\xf0?n\\xff\\x00i_\\xd9\\xfb\\xe1\\xd5\\xde\\xbde\\xab^\\xd9\\xcd,\\xba\\xad\\x8c7\\x17 :\\xc6\\x16Q\\x1cYd1\\xaa\\x94\\xc9\\x94\\xb1\\x00\\xe0\\xb2\\x83\\x8c\\x96\\xdd\\xf0\\xd7\\xed\\x19\\xf0;\\xc0\\x7f\\x0e|em\\xa6x^+\\xe8\\xed\\xaemn&\\x16\\xf2\\xea\\x12H\\xb0\\xec\\xbf\\xbb\\x80*d\\xe5Wl*q\\xceX\\xb1\\xea\\xd4\\x01\\xff\\xd9'>, 'label': <tf.Tensor: id=242715, shape=(), dtype=int64, numpy=0>}\n8\n{'image_raw': <tf.Tensor: id=242719, shape=(), dtype=string, numpy=b'\\xff\\xd8\\xff\\xe0\\x00\\x10JFIF\\x00\\x01\\x01\\x01\\x01,\\x01,\\x00\\x00\\xff\\xdb\\x00C\\x00\\x02\\x01\\x01\\x01\\x01\\x01\\x02\\x01\\x01\\x01\\x02\\x02\\x02\\x02\\x02\\x04\\x03\\x02\\x02\\x02\\x02\\x05\\x04\\x04\\x03\\x04\\x06\\x05\\x06\\x06\\x06\\x05\\x06\\x06\\x06\\x07\\t\\x08\\x06\\x07\\t\\x07\\x06\\x06\\x08\\x0b\\x08\\t\\n\\n\\n\\n\\n\\x06\\x08\\x0b\\x0c\\x0b\\n\\x0c\\t\\n\\n\\n\\xff\\xdb\\x00C\\x01\\x02\\x02\\x02\\x02\\x02\\x02\\x05\\x03\\x03\\x05\\n\\x07\\x06\\x07\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\n\\xff\\xc0\\x00\\x11\\x08\\x00\\x1c\\x00\\x1c\\x03\\x01\"\\x00\\x02\\x11\\x01\\x03\\x11\\x01\\xff\\xc4\\x00\\x1f\\x00\\x00\\x01\\x05\\x01\\x01\\x01\\x01\\x01\\x01\\x00\\x00\\x00\\x00\\x00\\x00\\x00\\x00\\x01\\x02\\x03\\x04\\x05\\x06\\x07\\x08\\t\\n\\x0b\\xff\\xc4\\x00\\xb5\\x10\\x00\\x02\\x01\\x03\\x03\\x02\\x04\\x03\\x05\\x05\\x04\\x04\\x00\\x00\\x01}\\x01\\x02\\x03\\x00\\x04\\x11\\x05\\x12!1A\\x06\\x13Qa\\x07\"q\\x142\\x81\\x91\\xa1\\x08#B\\xb1\\xc1\\x15R\\xd1\\xf0$3br\\x82\\t\\n\\x16\\x17\\x18\\x19\\x1a%&\\'()*456789:CDEFGHIJSTUVWXYZcdefghijstuvwxyz\\x83\\x84\\x85\\x86\\x87\\x88\\x89\\x8a\\x92\\x93\\x94\\x95\\x96\\x97\\x98\\x99\\x9a\\xa2\\xa3\\xa4\\xa5\\xa6\\xa7\\xa8\\xa9\\xaa\\xb2\\xb3\\xb4\\xb5\\xb6\\xb7\\xb8\\xb9\\xba\\xc2\\xc3\\xc4\\xc5\\xc6\\xc7\\xc8\\xc9\\xca\\xd2\\xd3\\xd4\\xd5\\xd6\\xd7\\xd8\\xd9\\xda\\xe1\\xe2\\xe3\\xe4\\xe5\\xe6\\xe7\\xe8\\xe9\\xea\\xf1\\xf2\\xf3\\xf4\\xf5\\xf6\\xf7\\xf8\\xf9\\xfa\\xff\\xc4\\x00\\x1f\\x01\\x00\\x03\\x01\\x01\\x01\\x01\\x01\\x01\\x01\\x01\\x01\\x00\\x00\\x00\\x00\\x00\\x00\\x01\\x02\\x03\\x04\\x05\\x06\\x07\\x08\\t\\n\\x0b\\xff\\xc4\\x00\\xb5\\x11\\x00\\x02\\x01\\x02\\x04\\x04\\x03\\x04\\x07\\x05\\x04\\x04\\x00\\x01\\x02w\\x00\\x01\\x02\\x03\\x11\\x04\\x05!1\\x06\\x12AQ\\x07aq\\x13\"2\\x81\\x08\\x14B\\x91\\xa1\\xb1\\xc1\\t#3R\\xf0\\x15br\\xd1\\n\\x16$4\\xe1%\\xf1\\x17\\x18\\x19\\x1a&\\'()*56789:CDEFGHIJSTUVWXYZcdefghijstuvwxyz\\x82\\x83\\x84\\x85\\x86\\x87\\x88\\x89\\x8a\\x92\\x93\\x94\\x95\\x96\\x97\\x98\\x99\\x9a\\xa2\\xa3\\xa4\\xa5\\xa6\\xa7\\xa8\\xa9\\xaa\\xb2\\xb3\\xb4\\xb5\\xb6\\xb7\\xb8\\xb9\\xba\\xc2\\xc3\\xc4\\xc5\\xc6\\xc7\\xc8\\xc9\\xca\\xd2\\xd3\\xd4\\xd5\\xd6\\xd7\\xd8\\xd9\\xda\\xe2\\xe3\\xe4\\xe5\\xe6\\xe7\\xe8\\xe9\\xea\\xf2\\xf3\\xf4\\xf5\\xf6\\xf7\\xf8\\xf9\\xfa\\xff\\xda\\x00\\x0c\\x03\\x01\\x00\\x02\\x11\\x03\\x11\\x00?\\x00\\xfc\\xba\\xf0\\x97\\xc2\\x1f\\x0c\\xeas\\x13m\\xe0\\xcd.\\xec[\\xa3o\\x8e}6\\xdc\\x82\\x81\\xdb\\xee\\xee\\x18N\\x08\\x1c\\x81\\xf8v\\xf5;\\x7f\\x80?\\x0b\\r\\xa4Vm\\xf0\\xefC\\xb8\\x84\\xe9\\x96\\xd730\\xf0\\xd4?,\\x85\\x98\\x12HF\\xcb\\x12\\x98#\\xae8=\\x8bn\\xfc\\x1c\\xf0\\x0b\\xdbNo\\xaft\\xe0\\x97\\r)a\\n\\x9eS\\xd7\\x19c\\x9e\\xbc}pH\\xc5{v\\x93\\xe0\\x8b(\\xa2y-mD~b\\xa8+\\xb4`\\xaa\\xf4\\x07\\x18\\x04\\xe3\\x1fM\\xa3\\xd2\\x80>d\\x1f\\xb3w\\xc3K\\xfd\\x7fN\\xb3_\\x85Z$6\\xd7\\x17\\xb1\\xdb\\x8b\\xb6\\xd1c\\xf2\\xd5\\x19\\xd5C\\x10\\x14\\x19\\n\\xa9\\xcbprA\\x19\\x1dF\\x97\\xc4?\\xd9\\xf7\\xe0\\xf6\\x9f\\xe2iE\\x9f\\xc3+\\x18\\xd6T\\x0e\\xd1i\\xfe\\x17\\xb1\\x96\\x149+\\x85\"\"\\x07\\n\\t\\x03\\x8c\\x92{\\xd7\\xba\\xf8\\x8bCH\\x91\\xe3\\x8e1\\xf2\\xa9\\xf9X`\\xb6s\\x95$\\xf4\\x19\\xc1\\xe3=?\\x03\\xc5\\xde\\xdbZ\\\\J\\xa2\\xd2Y\\xca\\xc7\\x1a\\xa1\\x11M\\xb3o\\x19\\xc1\\n\\xea3\\x829\\xfas@\\x1a\\x7f\\r<\\xa4\\x8ftA1\\x9c\\x10\\x83\\x01FGL\\x0f\\x7f\\x7f\\xafz\\xf5\\xcb+\\xdd54\\xff\\x007\\x01\\xb6 \\xf9\\x8e0\\x079\\xff\\x00?\\xfdz\\xf1_\\x07\\\\yZT\\xd7\\t\\ndF\\x18\\x02\\x0f|\\xb63\\x9c\\xe3$\\xf7\\xae\\xbe\\xc2\\xfe\\xe6[X\\xd1\\xdf*\\xec\\x99\\x18\\xff\\x00h\\xd0\\x04\\xde0\\xd5~\\xd4\\xb2&\\x8d\\x07\\x9ava\\xe5\\x90\\xfc\\xa0d\\x12\\x08\\xea8\\xee\\x07\\x15\\xc2j\\xfe \\xb8\\xb5\\xbb\\xc5\\xbc\\xd0\\xa8u\\x0cw\"\\x90ON\\t\\x03#\\x8f~s\\xcd]\\xbf\\xf1V\\xa8\\xb6\\xee\\xeb\\xe5\\x8e\\x1d\\x88\\x00\\xe0\\xed\\xda\\xc1z\\xf4\\xe7\\x9fj\\xf3]z\\xf0X\\xebw1\\x8b;yw:\\xb1i\\xa1\\x04\\xfd\\xc5\\x00g\\xd0\\x00\\x07<\\xfa\\x92h\\x03\\xff\\xd9'>, 'label': <tf.Tensor: id=242720, shape=(), dtype=int64, numpy=8>}\n","name":"stdout"}]},{"metadata":{"trusted":true},"cell_type":"code","source":"ds = ds.repeat(2)\n\nfor i in ds:\n  print(i['label'].numpy())\n#  display.display(display.Image(i['image_raw'].numpy()))","execution_count":null,"outputs":[]},{"metadata":{"trusted":true},"cell_type":"code","source":"ds = ds.batch(1)\nfor i in ds:\n  print(i['label'].numpy())\n#  display.display(display.Image(i['image_raw'].numpy()))","execution_count":null,"outputs":[]},{"metadata":{"trusted":true},"cell_type":"code","source":"# iterator = tf.compat.v1.data.make_one_shot_iterator(ds)","execution_count":null,"outputs":[]},{"metadata":{"trusted":true},"cell_type":"code","source":"","execution_count":null,"outputs":[]},{"metadata":{"trusted":true},"cell_type":"code","source":"","execution_count":null,"outputs":[]},{"metadata":{"trusted":true},"cell_type":"code","source":"","execution_count":null,"outputs":[]}],"metadata":{"kernelspec":{"display_name":"Python 3","language":"python","name":"python3"},"language_info":{"name":"python","version":"3.6.4","mimetype":"text/x-python","codemirror_mode":{"name":"ipython","version":3},"pygments_lexer":"ipython3","nbconvert_exporter":"python","file_extension":".py"}},"nbformat":4,"nbformat_minor":1}