利用tensorflow提供的tfrecord資料存儲格式工具,我們可以将我們已經進行過處理的資料儲存起來,以便我們下次更高效地讀取,略過資料處理的過程,提高效率。具體的步驟大概分為以下幾步:
- 将資料轉化為
,然後存于字典;tf.train.Feature
- 接着,将其轉化為
,然後進行序列化,寫入tf.train.example
,到這裡就完成了寫入的操作;tf.python_io.TFRecordWriter
- 讀取的時候,首先通過
來讀取它;tf.data.TFRecordDataset
- 然後,通過
來解析還原資料原本的結構;tf.parse_single_example
- 最後就可以結合我們上次提高的
來批量擷取。(關于batch
函數的詳細介紹TensorFlow dataset.shuffle、batch、repeat用法)batch、shuffle、repeat
寫入TFRecordWriter
import tensorflow as tf
import collections
import numpy as np
inputs_1 = np.array([
[[1,2], [3,4]],
[[5,6], [7,8]]
], dtype=np.int32) # 這裡的類型int32要與解析時使用的類型保持一緻
inputs_2 = [
[1.1, 2.2, 3.3],
[4.4, 5.5, 6.6]
]
lables = [0, 1]
def create_int_feature(values):
f = tf.train.Feature(int64_list=tf.train.Int64List(value=list(values))) # 需要注意這裡接受的格式是list,并且隻能是一維的
return f
def create_float_feature(values):
f = tf.train.Feature(float_list=tf.train.FloatList(value=list(values)))
return f
def create_bytes_feature(values):
f = tf.train.Feature(bytes_list=tf.train.BytesList(value=[values]))
return f
writer = tf.python_io.TFRecordWriter('test.tfrecord') # test.tfrecord是寫入的檔案路徑
for i1, i2, l in zip(inputs_1, inputs_2, lables):
features = collections.OrderedDict() # 這裡是建立一個有序字典
# 對于多元數組,隻能先将其轉化為byte,才能傳遞給Feature
features['inputs_1'] = create_bytes_feature(i1.tostring())
features['inputs_2'] = create_float_feature(i2)
features['labels'] = create_int_feature([l])
example = tf.train.Example(features=tf.train.Features(feature=features))
writer.write(example.SerializeToString())
writer.close()
讀取并解析為dataset
源資料的資料類型最好與解析時使用的類型保持一緻,不然可能會出現錯誤。
如inputs_1(ndarray)時使用的類型時np.int32,那麼在tf.decode_raw進行解析時就相應地使用tf.int32。
name_to_features = {
"inputs_1": tf.FixedLenFeature([], tf.string),
"inputs_2": tf.FixedLenFeature([3], tf.float32), # 這裡的格式需要與寫入的保持一緻,否則可能出現解析錯誤
"labels": tf.FixedLenFeature([], tf.int64)
}
d = tf.data.TFRecordDataset('test.tfrecord')
d = d.repeat() # 這裡repeat不傳遞參數,則會無限重複
d = d.shuffle(buffer_size=2)
# map_and_batch其實就是map和batch結合在一起而已
d = d.apply(tf.contrib.data.map_and_batch(
lambda record: tf.parse_single_example(record, name_to_features),
batch_size=1))
iters = d.make_one_shot_iterator()
batch = iters.get_next()
# BytesList解析時會丢失shape資訊,需要自己還原它的shape,是以一般也會将shape資料一同寫入
# 這裡需要将byte解析成原本的資料結構,這裡的tf.int32需要與寫入時的格式保持一緻
inputs_1_batch = tf.decode_raw(batch['inputs_1'], tf.int32) # tf.int32類型要與源資料的類型保持一緻
inputs_1_batch = tf.reshape(inputs_1_batch, [-1, 2, 2])
# 因為每次是batch個inputs_1,是以shape是[-1, 2, 2],原來的shape是[2, 2]
inputs_2_batch = batch['inputs_2']
labels_batch = batch['labels']
sess = tf.Session()
# 這樣我們就可以每次擷取一個batch的資料了
sess.run([inputs_1_batch, inputs_2_batch, labels_batch])
歡迎關注同名公衆号:“我就算餓死也不做程式員”。
交個朋友,一起交流,一起學習,一起進步。