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(yùn)行的每一步谋逻， 讓Python代碼來供給數(shù)據(jù)针余。
• 從文件讀取數(shù)據(jù)： 在TensorFlow圖的起始毙玻， 讓一個(gè)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)土居。

對(duì)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(jìn)內(nèi)存嬉探，然后再分batch輸入網(wǎng)絡(luò)進(jìn)行訓(xùn)練（tip:使用這種方法時(shí)装盯，結(jié)合yield 使用更為簡潔，大家自己嘗試一下吧甲馋，我就不贅述了）埂奈。但是，如果數(shù)據(jù)量較大定躏，這樣的方法就不適用了账磺，因?yàn)樘膬?nèi)存，所以這時(shí)最好使用tensorflow提供的隊(duì)列queue痊远，也就是第二種方法 從文件讀取數(shù)據(jù)垮抗。對(duì)于一些特定的讀取，比如csv文件格式碧聪，官網(wǎng)有相關(guān)的描述冒版，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）逞姿，即使用tensorflow內(nèi)定標(biāo)準(zhǔn)格式——TFRecords

太長不看辞嗡，直接看源碼請(qǐng)猛戳我的github

TFRecords

TFRecords其實(shí)是一種二進(jìn)制文件，雖然它不如其他格式好理解滞造，但是它能更好的利用內(nèi)存续室，更方便復(fù)制和移動(dòng)，并且不需要單獨(dú)的標(biāo)簽文件（等會(huì)兒就知道為什么了）… …總而言之谒养，這樣的文件格式好處多多挺狰，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)丰泊， 將數(shù)據(jù)填入到Example協(xié)議內(nèi)存塊(protocol buffer)薯定，將協(xié)議內(nèi)存塊序列化為一個(gè)字符串， 并且通過tf.python_io.TFRecordWriter 寫入到TFRecords文件瞳购。

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

接下來满葛，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來寫入罢屈。

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(xì)內(nèi)容嘀韧，我推薦去官網(wǎng)查看相關(guān)API。

基本的缠捌，一個(gè)Example中包含Features锄贷，Features里包含Feature（這里沒s）的字典。最后曼月，Feature里包含有一個(gè) FloatList谊却， 或者ByteList，或者Int64List

就這樣哑芹，我們把相關(guān)的信息都存到了一個(gè)文件中炎辨，所以前面才說不用單獨(dú)的label文件。而且讀取也很方便聪姿。

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(duì)列讀取

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

def read_and_decode(filename):

    #根據(jù)文件名生成一個(gè)隊(duì)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(shí)候這樣使用

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


# 使用shuffle_batch可以隨機(jī)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(duì)val末购， l進(jìn)行處理

        #l = to_categorical(l, 12) 

        print(val.shape, l)

|

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

恩盟榴？等等…什么叫差不多曹质？對(duì)了，還有幾個(gè)注意事項(xiàng)：

第一擎场，tensorflow里的graph能夠記住狀態(tài)（state）羽德，這使得TFRecordReader能夠記住tfrecord的位置，并且始終能返回下一個(gè)顶籽。而這就要求我們?cè)谑褂弥巴姘悖仨毘跏蓟麄€(gè)graph，這里我們使用了函數(shù)tf.initialize_all_variables()來進(jìn)行初始化礼饱。

第二，tensorflow中的隊(duì)列和普通的隊(duì)列差不多，不過它里面的operation和tensor都是符號(hào)型的（symbolic）镊绪，在調(diào)用sess.run()時(shí)才執(zhí)行匀伏。

第三， TFRecordReader會(huì)一直彈出隊(duì)列中文件的名字蝴韭，直到隊(duì)列為空够颠。

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(gè)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(dòng)QueueRunner

例子代碼請(qǐng)戳我的github，如果覺得對(duì)你有幫助的話可以加個(gè)星哦榄鉴。

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