Tensorflow 实现分批量读取数据

之前的博客里使用tf读取数据都是每次fetch一条记录，实际上大部分时候需要fetch到一个batch的小批量数据，在tf中这一操作的明显变化就是tensor的rank发生了变化，我目前使用的人脸数据集是灰度图像，因此大小是92*112的，所以最开始fetch拿到的图像数据集经过reshape之后就是一个rank为2的tensor，大小是92*112的（如果考虑通道，也可以reshape为rank为3的，即92*112*1）。

如果加入batch，比如batch大小为5，那么拿到的tensor的rank就变成了3，大小为5*92*112。

下面规则化的写一下读取数据的一般流程，按照官网的实例，一般把读取数据拆分成两个大部分，一个是函数专门负责读取数据和解码数据，一个函数则负责生产batch。

1. import tensorflow as tf
2.  
3. def read_data(fileNameQue):
4.  
5. reader = tf.TFRecordReader()
6. key, value = reader.read(fileNameQue)
7. features = tf.parse_single_example(value, features={'label': tf.FixedLenFeature([], tf.int64),
8. 'img': tf.FixedLenFeature([], tf.string),})
9. img = tf.decode_raw(features["img"], tf.uint8)
10. img = tf.reshape(img, [92,112]) # 恢复图像原始大小
11. label = tf.cast(features["label"], tf.int32)
12.  
13. return img, label
14.  
15. def batch_input(filename, batchSize):
16.  
17. fileNameQue = tf.train.string_input_producer([filename], shuffle=True)
18. img, label = read_data(fileNameQue) # fetch图像和label
19. min_after_dequeue = 1000
20. capacity = min_after_dequeue+3*batchSize
21. # 预取图像和label并随机打乱，组成batch，此时tensor rank发生了变化，多了一个batch大小的维度
22. exampleBatch,labelBatch = tf.train.shuffle_batch([img, label],batch_size=batchSize,capacity=capacity,
23. min_after_dequeue=min_after_dequeue)
24. return exampleBatch,labelBatch
25.  
26. if __name__ == "__main__":
27.  
28. init = tf.initialize_all_variables()
29. exampleBatch, labelBatch = batch_input("./data/faceTF.tfrecords", batchSize=10)
30.  
31. with tf.Session() as sess:
32.  
33. sess.run(init)
34. coord = tf.train.Coordinator()
35. threads = tf.train.start_queue_runners(coord=coord)
36.  
37. for i in range(100):
38. example, label = sess.run([exampleBatch, labelBatch])
39. print(example.shape)
40.  
41. coord.request_stop()
42. coord.join(threads)

读取数据和解码数据与之前基本相同，针对不同格式数据集使用不同阅读器和解码器即可，后面是产生batch，核心是tf.train.shuffle_batch这个函数，它相当于一个蓄水池的功能，第一个参数代表蓄水池的入水口，也就是逐个读取到的记录，batch_size自然就是batch的大小了，capacity是蓄水池的容量，表示能容纳多少个样本，min_after_dequeue是指出队操作后还可以供随机采样出批量数据的样本池大小，显然，capacity要大于min_after_dequeue，官网推荐：min_after_dequeue + (num_threads + a small safety margin) * batch_size,还有一个参数就是num_threads，表示所用线程数目。

min_after_dequeue这个值越大，随机采样的效果越好，但是消耗的内存也越大。

以上这篇Tensorflow 实现分批量读取数据就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持我们。