Tensorflow如何实现分批量高效读取数据流？

本文共计652个文字，预计阅读时间需要3分钟。

在之前的博客中，使用tf读取数据时，每次都是通过fetch一条条记录。实际上，大部分时间需要fetch到一个小批量数据。在tf中，这种操作的明显变化体现在tensor的rank上。我目前使用的是人脸数据。

之前的博客里使用tf读取数据都是每次fetch一条记录，实际上大部分时候需要fetch到一个batch的小批量数据，在tf中这一操作的明显变化就是tensor的rank发生了变化，我目前使用的人脸数据集是灰度图像，因此大小是92*112的，所以最开始fetch拿到的图像数据集经过reshape之后就是一个rank为2的tensor，大小是92*112的（如果考虑通道，也可以reshape为rank为3的，即92*112*1）。

如果加入batch，比如batch大小为5，那么拿到的tensor的rank就变成了3，大小为5*92*112。

下面规则化的写一下读取数据的一般流程，按照官网的实例，一般把读取数据拆分成两个大部分，一个是函数专门负责读取数据和解码数据，一个函数则负责生产batch。