關於Tensorflow 的資料讀取環節

tensorflow讀取資料的一般方式有下面3種：

preloaded方法的簡單例子

1
import
tensorflow as tf23
"""定義常量
"""4 const_var = tf.constant([1, 2, 3])
5"""
定義變數
"""6 var = tf.variable([1, 2, 3])78
with tf.session() as sess:
9sess.run(tf.global_variables_initializer())
10print
(sess.run(var))
11print(sess.run(const_var))

feed方法

可以在tensorflow運算圖的過程中，將資料傳遞到事先定義好的placeholder中。方法是在呼叫session.run函式時，通過feed_dict引數傳入。簡單例子：

1
import
tensorflow as tf
2"""
定義placeholder
"""3 x1 =tf.placeholder(tf.int16)
4 x2 =tf.placeholder(tf.int16)
5 result = x1 +x2
6"""
定義feed_dict
"""7 feed_dict =
11"""
執行圖"""
12with tf.session() as sess:
13print(sess.run(result, feed_dict=feed_dict))

上面的兩個方法在面對大量資料時，都存在效能問題。這時候就需要使用到第3種方法，檔案讀取，讓tensorflow自己從檔案中讀取資料

從檔案中讀取資料

步驟：獲取檔名列表list

建立檔名佇列，呼叫tf.train.string_input_producer，引數包含：檔名列表，num_epochs【定義重複次數】，shuffle【定義是否打亂檔案的順序】

定義對應檔案的閱讀器》* tf.readerbase >* tf.tfrecordreader >* tf.textlinereader >* tf.wholefilereader >* tf.identityreader >* tf.fixedlengthrecordreader

解析器 >* tf.decode_csv >* tf.decode_raw >* tf.image.decode_image >* …

預處理，對原始資料進行處理，以適應network輸入所需

生成batch，呼叫tf.train.batch() 或者 tf.train.shuffle_batch()

prefetch【可選】使用預載入佇列slim.prefetch_queue.prefetch_queue()

啟動填充佇列的執行緒，呼叫tf.train.start_queue_runners

圖引用自

讀取檔案格式舉例

tensorflow支援讀取的檔案格式包括：csv檔案，二進位制檔案，tfrecords檔案，影象檔案，文字檔案等等。具體使用時，需要根據檔案的不同格式，選擇對應的檔案格式閱讀器，再將檔名隊列傳為引數，傳入閱讀器的read方法中。方法會返回key與對應的record value。將value交給解析器進行解析，轉換成網路能進行處理的tensor。

csv檔案讀取：

解析器：tf.decode_csv

1 filename_queue = tf.train.string_input_producer(["
file0.csv
", "
file1.csv"])
2"""
閱讀器"""
3 reader =tf.textlinereader()
4 key, value =reader.read(filename_queue)
5"""
解析器"""
6 record_defaults = [[1], [1], [1], [1]]
7 col1, col2, col3, col4 = tf.decode_csv(value, record_defaults=record_defaults)
8 features = tf.concat([col1, col2, col3, col4], axis=0)910
with tf.session() as sess:
11     coord =tf.train.coordinator()
12     threads = tf.train.start_queue_runners(coord=coord)
13for i in range(100):
14         example =sess.run(features)
15coord.request_stop()
16     coord.join(threads)

二進位制檔案讀取：

解析器：tf.decode_raw

影象檔案讀取：

解析器：tf.image.decode_image, tf.image.decode_gif, tf.image.decode_jpeg, tf.image.decode_png

tfrecords檔案讀取

tfrecords檔案是tensorflow的標準格式。要使用tfrecords檔案讀取，事先需要將資料轉換成tfrecords檔案，具體可察看：convert_to_records.py 在這個指令碼中，先將資料填充到tf.train.example協議記憶體塊(protocol buffer)，將協議記憶體塊序列化為字串，再通過tf.python_io.tfrecordwriter寫入到tfrecords檔案中去。

解析器：tf.parse_single_example

又或者使用slim提供的簡便方法：slim.dataset.data以及slim.dataset_data_provider.datasetdataprovider方法

1
defget_split(record_file_name, num_sampels, size):
2     reader =tf.tfrecordreader
34     keys_to_features =
1011     items_to_handlers =
1617     decoder =slim.tfexample_decoder.tfexampledecoder(
18keys_to_features, items_to_handlers19)
20return
slim.dataset.dataset(
21         data_sources=record_file_name,
22         reader=reader,
23         decoder=decoder,
24         items_to_descriptions={},
25         num_samples=num_sampels26)
2728
29def get_image(num_samples, resize, record_file="
image.tfrecord
", shuffle=false):
30     provider =slim.dataset_data_provider.datasetdataprovider(
31get_split(record_file, num_samples, resize),
32         shuffle=shuffle33)
34     [data_image] = provider.get(["
image"])
35return data_image

關於Tensorflow 的資料讀取環節

關於tensorflow的學習

關於tensorflow的碎片

關於TensorFlow安裝

關於Tensorflow 的資料讀取環節

關於tensorflow的學習

關於tensorflow的碎片

關於TensorFlow安裝

相關推薦