TFRecord输入数据格式

tensorflow提供了一种同意的格式来存储数据，这个格式就是TFRecord

1.TFRecord格式介绍

TFRecord文件中的数据都是通过tf.train.Example Protocol Buffer的格式存储的。以下代码给出了tf.train.Example的定义。

代码语言：javascript复制

message Example {
  Feature feature = 1;
}

message Feature {
   map<starting,Feature> feature = 1;
}

message Feature  {
  oneof kind {
    BytesList bytes_list = 1;
    FloatList bytes_list = 2;
    Int64List bytes_list = 3;  
}
};

从以上代码可以看出tf.train.Example的数据结构是比较简单的。tf.train.Example中包含了一个从属性和名称到取值的字典。其中属性名称为一个字符串，属性的取值可以为字符串(BYteList)、实数列表(FloarList)或者整数列表(Int64LIst)。比如将一张解码前的图像存为一个字符串，图像所对应的类别编号为整数列表。

2.TFRecord样例程序

以下程序给出了如何将MNIST输入数据转化为TFRecord的格式。

代码语言：javascript复制

import tensorflow as tf
from tensorflow.example.tutorials.nmist import input_data
import numpy as np

# 生成整数型的属性。
def _int64_feature(value):
    return tf.train.Feature(int64_list = tf.train.Int64List(value=[value]))

# 生成字符串的属性。
def _int64_feature(value):
    return tf.train.Feature(bytes_list = tf.train.BytesList(value=[value]))

mnist = input_data.read_data_sets("/path/to/mnist/data, dtype=tf.unit8, one_hot=Ture")
images = mnist.train.images

# 训练数据所对应的正确答案，可以作为一个属性保存在TFRecord中。
labels = mnist.train.labels

# 训练数据的图像分辨率，这可以作为Example中的一个属性。
pixels = images.shape[1]
num_examples = mnist.train.num_examples

# 输出TFRecord文件的地址
filename = "/path/to/output.tfrecords"
# 创建一个writer来写TFRecord文件
writer = tf.python_io.TFRecordWriter(filename)
for index in range(num_examples):
    # 将图像矩阵转化成一个字符串
    image_raw = image[index].tostring( )
    # 将一个样例转化成Example Protocol Buffer，并将所有的信息写入这个数据结构
    example = tf.train.Example(feature=tf.train.Feature(feature={
        'pixels': _int64_feature(pixels),
        'label': _int64_feature(np.argmax(labels[index])),
        'image_raw': _bytes_feature(image_raw)}))
    
    # 将一个Example写入TFRecord文件
    writer.write(example.SerializeToString( ))
write.close( )

以上程序可以将MNIST数据集中所有的训练数据存储到一个TFREcord文件中。当数据量较大时，也可以将数据写入多个TFREcord文件。tensorflow对从文件列表中读取数据提供了很好的支持，以下程序给出了如何读取TFRecord文件中的数据。

代码语言：javascript复制

import tensorflow as tf 
# 创建一个reader来读取TFRecord文件中的样例。
reader = tf.TFRecordReader( )
# 创建一个队列来维护输入文件列表
# tf.train.string_input_product函数。
filename_queue = tf.train.string_input_product(["/path/to/output.tfrecords"])

# 从文件中读出一个样例、也可以使用read_up_to函数一次性多个样例。
_, serialized_example = reader.read(filename_queue)
# 解析读入的一个样例，如果需要解析多个样例，可以用parse_example函数
feature = tf.parse_single_example(
     serialized_example,
     feature = {
        # 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。另一种方法是tf.VarLenFeature，这种方法
        # 得到的解析结果为SparseTensor，用于处理稀疏函数。这里解析数据的格式需要和
        # 上面程序写入的数据的格式一致。
        'image_raw': tf.FixedLenFeature([], tf.string),
        'pixels': tf.FixedLenFeature([], tf.int64),
        'labels': tf.FixedLenFearure([], tf.int64),
})

# tf.decode_raw可以将字符串解析成图像对应的像素数组。
image = tf.decode_raw(features['iamge_raw'], tf.unit8)
label = tf.cast(features['labels'], tf.int32)
pixels = tf.cast(features['pixels'], tf.int32)

sess = tf.Session( )
# 启动多线程处理数据
coord = tf.train.Coordinator( )
threads = tf.train.start_queue_runners(sess=sess, coord=coord)

# 每次运行可以读取TFRecord文件中的一个样例。当所有样例都读完之后，在此样例中程序会再重头读取。
for i in range(10):
   print sess.run([images, labels, pixels])

tensorflow

0 人点赞