如何高效地从TFRecord格式队列中读取实例数据？

本文共计1424个文字，预计阅读时间需要6分钟。

TensorFlow官方网站上提供三种读取数据的方法：

1. 预加载数据：在TensorFlow图中定义常量或变量来保存所有数据，将数据直接嵌入到数据图中。当训练数据量较大时，这种方法可以节省大量内存。例如：`x1=tf.constant('tf конс')`

Tensor Flow官方网站上提供三种读取数据的方法

1. 预加载数据：在Tensor Flow图中定义常量或变量来保存所有数据,将数据直接嵌到数据图中，当训练数据较大时，很消耗内存。

如

x1=tf.constant([0,1]) x2=tf.constant([1,0]) y=tf.add(x1,x2)

2.填充数据：使用sess.run()的feed_dict参数，将Python产生的数据填充到后端，之前的MNIST数据集就是通过这种方法。也有消耗内存，数据类型转换耗时的缺点。

3. 从文件读取数据：从文件中直接读取，让队列管理器从文件中读取数据。分为两步

先把样本数据写入TFRecords二进制文件

再从队列中读取

TFRecord是TensorFlow提供的一种统一存储数据的二进制文件，能更好的利用内存，更方便的复制和移动，并且不需要单独的标记文件。下面通过代码来将MNIST转换成TFRecord的数据格式，其他数据集也类似。

#生成整数型的属性 def _int64_feature(value): return tf.train.Feature(int64_list=tf.train.Int64List(value=[value])) #生成字符串型的属性 def _bytes_feature(value): return tf.train.Feature(bytes_list=tf.train.BytesList(value=[value])) def convert_to(data_set,name): ''' 将数据填入到tf.train.Example的协议缓冲区（protocol buffer)中，将协议缓冲区序列 化为一个字符串，通过tf.python_io.TFRecordWriter写入TFRecords文件 ''' images=data_set.images labels=data_set.labels num_examples=data_set.num_examples if images.shape[0]!=num_examples: raise ValueError ('Imagessize %d does not match label size %d.'\ %(images.shape[0],num_examples)) rows=images.shape[1] #28 cols=images.shape[2] #28 depth=images.shape[3] #1 是黑白图像 filename = os.path.join(FLAGS.directory, name + '.tfrecords') #使用下面语句就会将三个文件存储为一个TFRecord文件,当数据量较大时，最好将数据写入多个文件 #filename="C:/Users/dbsdz/Desktop/TF练习/TFRecord" print('Writing',filename) writer=tf.python_io.TFRecordWriter(filename) for index in range(num_examples): image_raw=images[index].tostring() #将图像矩阵化为一个字符串 #写入协议缓冲区，height、width、depth、label编码成int 64类型，image——raw编码成二进制 example=tf.train.Example(features=tf.train.Features(feature={ 'height':_int64_feature(rows), 'width':_int64_feature(cols), 'depth':_int64_feature(depth), 'label':_int64_feature(int(labels[index])), 'image_raw':_bytes_feature(image_raw)})) writer.write(example.SerializeToString()) #序列化字符串 writer.close()

上面程序可以将MNIST数据集中所有的训练数据存储到三个TFRecord文件中。结果如下图

从队列中TFRecord文件，过程分三步

1. 创建张量，从二进制文件中读取一个样本

2. 创建张量，从二进制文件中随机读取一个mini-batch

3. 把每一批张量传入网络作为输入节点

具体代码如下

def read_and_decode(filename_queue): #输入文件名队列 reader=tf.TFRecordReader() _,serialized_example=reader.read(filename_queue) #解析一个example,如果需要解析多个样例，使用parse_example函数 features=tf.parse_single_example( serialized_example, #必须写明feature里面的key的名称 features={ #TensorFlow提供两种不同的属性解析方法，一种方法是tf.FixedLenFeature, #这种方法解析的结果为一个Tensor。另一个方法是tf.VarLenFeature, #这种方法得到的解析结果为SparseTensor,用于处理稀疏数据。 #这里解析数据的格式需要和上面程序写入数据的格式一致 'image_raw':tf.FixedLenFeature([],tf.string),#图片是string类型 'label':tf.FixedLenFeature([],tf.int64), #标记是int64类型 }) #对于BytesList,要重新进行编码，把string类型的0维Tensor变成uint8类型的一维Tensor image = tf.decode_raw(features['image_raw'], tf.uint8) image.set_shape([IMAGE_PIXELS]) #tensor("input/DecodeRaw:0",shape=(784,),dtype=uint8) #image张量的形状为：tensor("input/sub:0",shape=(784,),dtype=float32) image = tf.cast(image, tf.float32) * (1. / 255) - 0.5 #把标记从uint8类型转换为int32类性 #label张量的形状为tensor（“input/cast_1:0",shape=(),dtype=int32) label = tf.cast(features['label'], tf.int32) return image,label def inputs(train,batch_size,num_epochs): #输入参数： #train：选择输入训练数据/验证数据 #batch_size:训练的每一批有多少个样本 #num_epochs:过几遍数据，设置为0/None表示永远训练下去 ''' 返回结果： A tuple (images,labels) *images:类型为float，形状为。 *label:类型为int32，形状为。 *label:类型为int32，形状为【batch_size],范围【0，mnist.NUM_CLASSES] 注意tf.train.QueueRunner必须用tf.train.start_queue_runners()来启动线程 ''' if not num_epochs:num_epochs=None #获取文件路径，即./MNIST_data/train.tfrecords,./MNIST_data/validation.records filename=os.path.join(FLAGS.train_dir,TRAIN_FILE if train else VALIDATION_FILE) with tf.name_scope('input'): #tf.train.string_input_producer返回一个QueueRunner,里面有一个FIFOQueue filename_queue=tf.train.string_input_producer(#如果样本量很大，可以分成若干文件，把文件名列表传入 [filename],num_epochs=num_epochs) image,label=read_and_decode(filename_queue) #随机化example,并把它们整合成batch_size大小 #tf.train.shuffle_batch生成了RandomShuffleQueue,并开启两个线程 images,sparse_labels=tf.train.shuffle_batch( [image,label],batch_size=batch_size,num_threads=2, capacity=1000+3*batch_size, min_after_dequeue=1000) #留下一部分队列，来保证每次有足够的数据做随机打乱 return images,sparse_labels def run_training(): with tf.Graph().as_default(): #输入images和labels images,labels=inputs(train=True,batch_size=FLAGS.batch_size, num_epochs=3) #num_epochs就是训练的轮数 #构建一个从推理模型来预测数据的图 logits=inference(images,FLAGS.hidden1,FLAGS.hidden2) loss=lossFunction(logits,labels) #定义损失函数 #Add to the Graph operations that train the model train_op=training(loss,FLAGS.learning_rate) #初始化参数，特别注意：string——input_producer内部创建了一个epoch计数变量 #归入tf.graphkey.local_variables集合中，必须单独用initialize_local_variables()初始化 init_op=tf.group(tf.global_variables_initializer(), tf.local_variables_initializer()) sess=tf.Session() sess.run(init_op) #Start input enqueue threads coord =tf.train.Coordinator() threads=tf.train.start_queue_runners(sess=sess,coord=coord) try: step=0 while not coord.should_stop(): #进入永久循环 start_time=time.time() _,loss_value=sess.run([train_op,loss]) #每100次训练输出一次结果 if step % 100 ==0: duration=time.time()-start_time print('Step %d: loss=%.2f (%.3f sec)'%(step,loss_value,duration)) step+=1 except tf.errors.OutOfRangeError: print('Done training for %d epochs,%d steps.'%(FLAGS.num_epochs,step)) finally: coord.request_stop()#通知其他线程关闭 coord.join(threads) sess.close() def main(unused_argv): #获取数据 data_sets=input_data.read_data_sets(FLAGS.directory,dtype=tf.uint8,reshape=False, validation_size=FLAGS.validation_size) #将数据转换成tf.train.Example类型，并写入TFRecords文件 convert_to(data_sets.train,'train') convert_to(data_sets.validation,'validation') convert_to(data_sets.test,'test') print('convert finished') run_training() if __name__ == '__main__': tf.app.run()

运行结果如图

以上这篇TFRecord格式存储数据与队列读取实例就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持易盾网络。