概述

關(guān)于Tensorflow讀取數(shù)據(jù)，官網(wǎng)給出了三種方法：

• 供給數(shù)據(jù)(Feeding)： 在TensorFlow程序運行的每一步， 讓Python代碼來供給數(shù)據(jù)。
• 從文件讀取數(shù)據(jù)： 在TensorFlow圖的起始， 讓一個輸入管線從文件中讀取數(shù)據(jù)。
• 預(yù)加載數(shù)據(jù)： 在TensorFlow圖中定義常量或變量來保存所有數(shù)據(jù)(僅適用于數(shù)據(jù)量比較小的情況)。

對于數(shù)據(jù)量較小而言，可能一般選擇直接將數(shù)據(jù)加載進內(nèi)存，然后再分batch輸入網(wǎng)絡(luò)進行訓(xùn)練（tip:使用這種方法時，結(jié)合yield 使用更為簡潔，大家自己嘗試一下吧，我就不贅述了）。但是，如果數(shù)據(jù)量較大，這樣的方法就不適用了，因為太耗內(nèi)存，所以這時最好使用tensorflow提供的隊列queue，也就是第二種方法 從文件讀取數(shù)據(jù)。對于一些特定的讀取，比如csv文件格式，官網(wǎng)有相關(guān)的描述，在這兒我介紹一種比較通用，高效的讀取方法（官網(wǎng)介紹的少），即使用tensorflow內(nèi)定標(biāo)準(zhǔn)格式——TFRecords

太長不看，直接看源碼請猛戳我的github

TFRecords

TFRecords其實是一種二進制文件，雖然它不如其他格式好理解，但是它能更好的利用內(nèi)存，更方便復(fù)制和移動，并且不需要單獨的標(biāo)簽文件（等會兒就知道為什么了）… …總而言之，這樣的文件格式好處多多，所以讓我們用起來吧。

TFRecords文件包含了tf.train.Example 協(xié)議內(nèi)存塊(protocol buffer)(協(xié)議內(nèi)存塊包含了字段 Features)。我們可以寫一段代碼獲取你的數(shù)據(jù)， 將數(shù)據(jù)填入到Example協(xié)議內(nèi)存塊(protocol buffer)，將協(xié)議內(nèi)存塊序列化為一個字符串， 并且通過tf.python_io.TFRecordWriter 寫入到TFRecords文件。

從TFRecords文件中讀取數(shù)據(jù)， 可以使用tf.TFRecordReader的tf.parse_single_example解析器。這個操作可以將Example協(xié)議內(nèi)存塊(protocol buffer)解析為張量。

接下來，讓我們開始讀取數(shù)據(jù)之旅吧~

生成TFRecords文件

我們使用tf.train.Example來定義我們要填入的數(shù)據(jù)格式，然后使用tf.python_io.TFRecordWriter來寫入。

import os

import tensorflow as tf 

from PIL import Image

cwd = os.getcwd()

此處我加載的數(shù)據(jù)目錄如下：

0 -- img1.jpg

     img2.jpg

     img3.jpg

     ...

1 -- img1.jpg

     img2.jpg

     ...

2 -- ...

writer = tf.python_io.TFRecordWriter("train.tfrecords")

for index, name in enumerate(classes):

    class_path = cwd + name + "/"

    for img_name in os.listdir(class_path):

        img_path = class_path + img_name

            img = Image.open(img_path)

            img = img.resize((224, 224))

            img_raw = img.tobytes()              #將圖片轉(zhuǎn)化為原生bytes

        example = tf.train.Example(features=tf.train.Features(feature={

            "label": tf.train.Feature(int64_list=tf.train.Int64List(value=[index])),

            'img_raw': tf.train.Feature(bytes_list=tf.train.BytesList(value=[img_raw]))

        }))

        writer.write(example.SerializeToString())  #序列化為字符串

writer.close()

關(guān)于Example Feature的相關(guān)定義和詳細內(nèi)容，我推薦去官網(wǎng)查看相關(guān)API。

基本的，一個Example中包含Features，Features里包含Feature（這里沒s）的字典。最后，Feature里包含有一個 FloatList， 或者ByteList，或者Int64List

就這樣，我們把相關(guān)的信息都存到了一個文件中，所以前面才說不用單獨的label文件。而且讀取也很方便。

for serialized_example in tf.python_io.tf_record_iterator("train.tfrecords"):

    example = tf.train.Example()

    example.ParseFromString(serialized_example)

    image = example.features.feature['image'].bytes_list.value

    label = example.features.feature['label'].int64_list.value

    # 可以做一些預(yù)處理之類的

    print image, label

使用隊列讀取

一旦生成了TFRecords文件，接下來就可以使用隊列（queue）讀取數(shù)據(jù)了。

def read_and_decode(filename):

    #根據(jù)文件名生成一個隊列

    filename_queue = tf.train.string_input_producer([filename])

    reader = tf.TFRecordReader()

    _, serialized_example = reader.read(filename_queue)   #返回文件名和文件

    features = tf.parse_single_example(serialized_example,

                                       features={

                                           'label': tf.FixedLenFeature([], tf.int64),

                                           'img_raw' : tf.FixedLenFeature([], tf.string),

                                       })

    img = tf.decode_raw(features['img_raw'], tf.uint8)

    img = tf.reshape(img, [224, 224, 3])

    img = tf.cast(img, tf.float32) * (1. / 255) - 0.5

    label = tf.cast(features['label'], tf.int32)

    return img, label

之后我們可以在訓(xùn)練的時候這樣使用

img, label = read_and_decode("train.tfrecords")


# 使用shuffle_batch可以隨機打亂輸入

img_batch, label_batch = tf.train.shuffle_batch([img, label],

                                                batch_size=30, capacity=2000,

                                                min_after_dequeue=1000)

init = tf.initialize_all_variables()

with tf.Session() as sess:

    sess.run(init)

    threads = tf.train.start_queue_runners(sess=sess)

    for i in range(3):

        val, l= sess.run([img_batch, label_batch])

        #我們也可以根據(jù)需要對val， l進行處理

        #l = to_categorical(l, 12) 

        print(val.shape, l)

|

至此，tensorflow高效從文件讀取數(shù)據(jù)差不多完結(jié)了。

恩？等等…什么叫差不多？對了，還有幾個注意事項：

第一，tensorflow里的graph能夠記住狀態(tài)（state），這使得TFRecordReader能夠記住tfrecord的位置，并且始終能返回下一個。而這就要求我們在使用之前，必須初始化整個graph，這里我們使用了函數(shù)tf.initialize_all_variables()來進行初始化。

第二，tensorflow中的隊列和普通的隊列差不多，不過它里面的operation和tensor都是符號型的（symbolic），在調(diào)用sess.run()時才執(zhí)行。

第三， TFRecordReader會一直彈出隊列中文件的名字，直到隊列為空。

總結(jié)

1. 生成tfrecord文件
2. 定義record reader解析tfrecord文件
3. 構(gòu)造一個批生成器（batcher）
4. 構(gòu)建其他的操作
5. 初始化所有的操作
6. 啟動QueueRunner

例子代碼請戳我的github，如果覺得對你有幫助的話可以加個星哦。

原文： TensorFlow高效讀取數(shù)據(jù) | Ycszen-物語