Tensorflow數(shù)據(jù)讀取方法
轉(zhuǎn)展多處都沒有找到詳細(xì)介紹Tensorflow讀取文件的方法
引言
Tensorflow的數(shù)據(jù)讀取有三種方式：
Preloaded data: 預(yù)加載數(shù)據(jù)Feeding: Python產(chǎn)生數(shù)據(jù)，再把數(shù)據(jù)喂給后端。Reading from file: 從文件中直接讀取
這三種有讀取方式有什么區(qū)別呢？ 我們首先要知道TensorFlow(TF)是怎么樣工作的。
TF的核心是用C++寫的，這樣的好處是運行快，缺點是調(diào)用不靈活。而Python恰好相反，所以結(jié)合兩種語言的優(yōu)勢。涉及計算的核心算子和運行框架是用C++寫的，并提供API給Python。Python調(diào)用這些API，設(shè)計訓(xùn)練模型(Graph)，再將設(shè)計好的Graph給后端去執(zhí)行。簡而言之，Python的角色是Design，C++是Run。
Preload與Feeding Preload
import?tensorflow?as?tf #?設(shè)計Graph x1?=?tf.constant([2,?3,?4]) x2?=?tf.constant([4,?0,?1]) y?=?tf.add(x1,?x2) #?打開一個session?-->?計算y with?tf.Session()?as?sess: ????print?sess.run(y)
在設(shè)計Graph的時候，x1和x2就被定義成了兩個有值的列表，在計算y的時候直接取x1和x2的值。
Feeding
import?tensorflow?as?tf
#?設(shè)計Graph
x1?=?tf.placeholder(tf.int16)
x2?=?tf.placeholder(tf.int16)
y?=?tf.add(x1,?x2)
#?用Python產(chǎn)生數(shù)據(jù)
li1?=?[2,?3,?4]
li2?=?[4,?0,?1]
#?打開一個session?-->?喂數(shù)據(jù)?-->?計算y
with?tf.Session()?as?sess:
????print?sess.run(y,?feed_dict={x1:?li1,?x2:?li2})在這里x1, x2只是占位符，沒有具體的值，那么運行的時候去哪取值呢？這時候就要用到sess.run()中的feed_dict參數(shù)，將Python產(chǎn)生的數(shù)據(jù)喂給后端，并計算y。
兩種方法的區(qū)別
Preload:
將數(shù)據(jù)直接內(nèi)嵌到Graph中，再把Graph傳入Session中運行。當(dāng)數(shù)據(jù)量比較大時，Graph的傳輸會遇到效率問題。
Feeding:
用占位符替代數(shù)據(jù)，待運行的時候填充數(shù)據(jù)。
Reading From File
前兩種方法很方便，但是遇到大型數(shù)據(jù)的時候就會很吃力，即使是Feeding，中間環(huán)節(jié)的增加也是不小的開銷，比如數(shù)據(jù)類型轉(zhuǎn)換等等。最優(yōu)的方案就是在Graph定義好文件讀取的方法，讓TF自己去從文件中讀取數(shù)據(jù)，并解碼成可使用的樣本集。
在上圖中，首先由一個單線程把文件名堆入隊列，兩個Reader同時從隊列中取文件名并讀取數(shù)據(jù)，Decoder將讀出的數(shù)據(jù)解碼后堆入樣本隊列，最后單個或批量取出樣本（圖中沒有展示樣本出列）。我們這里通過三段代碼逐步實現(xiàn)上圖的數(shù)據(jù)流，這里我們不使用隨機，讓結(jié)果更清晰。
文件準(zhǔn)備
$?echo?-e?"Alpha1,A1nAlpha2,A2nAlpha3,A3"?>?A.csv $?echo?-e?"Bee1,B1nBee2,B2nBee3,B3"?>?B.csv $?echo?-e?"Sea1,C1nSea2,C2nSea3,C3"?>?C.csv $?cat?A.csv Alpha1,A1 Alpha2,A2 Alpha3,A3
單個Reader，單個樣本
import?tensorflow?as?tf #?生成一個先入先出隊列和一個QueueRunner filenames?=?['A.csv',?'B.csv',?'C.csv'] filename_queue?=?tf.train.string_input_producer(filenames,?shuffle=False) #?定義Reader reader?=?tf.TextLineReader() key,?value?=?reader.read(filename_queue) #?定義Decoder example,?label?=?tf.decode_csv(value,?record_defaults=[['null'],?['null']]) #?運行Graph with?tf.Session()?as?sess: ????coord?=?tf.train.Coordinator()??#創(chuàng)建一個協(xié)調(diào)器，管理線程 ????threads?=?tf.train.start_queue_runners(coord=coord)??#啟動QueueRunner,?此時文件名隊列已經(jīng)進(jìn)隊。 ????for?i?in?range(10): ????????print?example.eval()???#取樣本的時候，一個Reader先從文件名隊列中取出文件名，讀出數(shù)據(jù)，Decoder解析后進(jìn)入樣本隊列。 ????coord.request_stop() ????coord.join(threads) #?outpt Alpha1 Alpha2 Alpha3 Bee1 Bee2 Bee3 Sea1 Sea2 Sea3 Alpha1
單個Reader，多個樣本
import?tensorflow?as?tf filenames?=?['A.csv',?'B.csv',?'C.csv'] filename_queue?=?tf.train.string_input_producer(filenames,?shuffle=False) reader?=?tf.TextLineReader() key,?value?=?reader.read(filename_queue) example,?label?=?tf.decode_csv(value,?record_defaults=[['null'],?['null']]) #?使用tf.train.batch()會多加了一個樣本隊列和一個QueueRunner。Decoder解后數(shù)據(jù)會進(jìn)入這個隊列，再批量出隊。 #?雖然這里只有一個Reader，但可以設(shè)置多線程，相應(yīng)增加線程數(shù)會提高讀取速度，但并不是線程越多越好。 example_batch,?label_batch?=?tf.train.batch( ??????[example,?label],?batch_size=5) with?tf.Session()?as?sess: ????coord?=?tf.train.Coordinator() ????threads?=?tf.train.start_queue_runners(coord=coord) ????for?i?in?range(10): ????????print?example_batch.eval() ????coord.request_stop() ????coord.join(threads) #?output #?['Alpha1'?'Alpha2'?'Alpha3'?'Bee1'?'Bee2'] #?['Bee3'?'Sea1'?'Sea2'?'Sea3'?'Alpha1'] #?['Alpha2'?'Alpha3'?'Bee1'?'Bee2'?'Bee3'] #?['Sea1'?'Sea2'?'Sea3'?'Alpha1'?'Alpha2'] #?['Alpha3'?'Bee1'?'Bee2'?'Bee3'?'Sea1'] #?['Sea2'?'Sea3'?'Alpha1'?'Alpha2'?'Alpha3'] #?['Bee1'?'Bee2'?'Bee3'?'Sea1'?'Sea2'] #?['Sea3'?'Alpha1'?'Alpha2'?'Alpha3'?'Bee1'] #?['Bee2'?'Bee3'?'Sea1'?'Sea2'?'Sea3'] #?['Alpha1'?'Alpha2'?'Alpha3'?'Bee1'?'Bee2']
多Reader，多個樣本
import?tensorflow?as?tf filenames?=?['A.csv',?'B.csv',?'C.csv'] filename_queue?=?tf.train.string_input_producer(filenames,?shuffle=False) reader?=?tf.TextLineReader() key,?value?=?reader.read(filename_queue) record_defaults?=?[['null'],?['null']] example_list?=?[tf.decode_csv(value,?record_defaults=record_defaults) ??????????????????for?_?in?range(2)]??#?Reader設(shè)置為2 #?使用tf.train.batch_join()，可以使用多個reader，并行讀取數(shù)據(jù)。每個Reader使用一個線程。 example_batch,?label_batch?=?tf.train.batch_join( ??????example_list,?batch_size=5) with?tf.Session()?as?sess: ????coord?=?tf.train.Coordinator() ????threads?=?tf.train.start_queue_runners(coord=coord) ????for?i?in?range(10): ????????print?example_batch.eval() ????coord.request_stop() ????coord.join(threads) ???? #?output #?['Alpha1'?'Alpha2'?'Alpha3'?'Bee1'?'Bee2'] #?['Bee3'?'Sea1'?'Sea2'?'Sea3'?'Alpha1'] #?['Alpha2'?'Alpha3'?'Bee1'?'Bee2'?'Bee3'] #?['Sea1'?'Sea2'?'Sea3'?'Alpha1'?'Alpha2'] #?['Alpha3'?'Bee1'?'Bee2'?'Bee3'?'Sea1'] #?['Sea2'?'Sea3'?'Alpha1'?'Alpha2'?'Alpha3'] #?['Bee1'?'Bee2'?'Bee3'?'Sea1'?'Sea2'] #?['Sea3'?'Alpha1'?'Alpha2'?'Alpha3'?'Bee1'] #?['Bee2'?'Bee3'?'Sea1'?'Sea2'?'Sea3'] #?['Alpha1'?'Alpha2'?'Alpha3'?'Bee1'?'Bee2']
tf.train.batch與tf.train.shuffle_batch函數(shù)是單個Reader讀取，但是可以多線程。tf.train.batch_join與tf.train.shuffle_batch_join可設(shè)置多Reader讀取，每個Reader使用一個線程。至于兩種方法的效率，單Reader時，2個線程就達(dá)到了速度的極限。多Reader時，2個Reader就達(dá)到了極限。所以并不是線程越多越快，甚至更多的線程反而會使效率下降。
迭代控制
filenames?=?['A.csv',?'B.csv',?'C.csv']
filename_queue?=?tf.train.string_input_producer(filenames,?shuffle=False,?num_epochs=3)??#?num_epoch:?設(shè)置迭代數(shù)
reader?=?tf.TextLineReader()
key,?value?=?reader.read(filename_queue)
record_defaults?=?[['null'],?['null']]
example_list?=?[tf.decode_csv(value,?record_defaults=record_defaults)
??????????????????for?_?in?range(2)]
example_batch,?label_batch?=?tf.train.batch_join(
??????example_list,?batch_size=5)
init_local_op?=?tf.initialize_local_variables()
with?tf.Session()?as?sess:
????sess.run(init_local_op)???#?初始化本地變量?
????coord?=?tf.train.Coordinator()
????threads?=?tf.train.start_queue_runners(coord=coord)
????try:
????????while?not?coord.should_stop():
????????????print?example_batch.eval()
????except?tf.errors.OutOfRangeError:
????????print('Epochs?Complete!')
????finally:
????????coord.request_stop()
????coord.join(threads)
????coord.request_stop()
????coord.join(threads)
#?output
#?['Alpha1'?'Alpha2'?'Alpha3'?'Bee1'?'Bee2']
#?['Bee3'?'Sea1'?'Sea2'?'Sea3'?'Alpha1']
#?['Alpha2'?'Alpha3'?'Bee1'?'Bee2'?'Bee3']
#?['Sea1'?'Sea2'?'Sea3'?'Alpha1'?'Alpha2']
#?['Alpha3'?'Bee1'?'Bee2'?'Bee3'?'Sea1']
#?Epochs?Complete!在迭代控制中，記得添加tf.initialize_local_variables()，官網(wǎng)教程沒有說明，但是如果不初始化，運行就會報錯。
下載文檔
