TFRecord格式存储数据与队列读取实例

tensor flow官方网站上提供三种读取数据的方法

1. 预加载数据：在tensor flow图中定义常量或变量来保存所有数据,将数据直接嵌到数据图中，当训练数据较大时，很消耗内存。

如

x1=tf.constant([0,1])
x2=tf.constant([1,0])
y=tf.add(x1,x2)

2.填充数据：使用sess.run()的feed_dict参数，将python产生的数据填充到后端，之前的mnist数据集就是通过这种方法。也有消耗内存，数据类型转换耗时的缺点。

3. 从文件读取数据：从文件中直接读取，让队列管理器从文件中读取数据。分为两步

先把样本数据写入tfrecords二进制文件

再从队列中读取

tfrecord是tensorflow提供的一种统一存储数据的二进制文件，能更好的利用内存，更方便的复制和移动，并且不需要单独的标记文件。下面通过代码来将mnist转换成tfrecord的数据格式，其他数据集也类似。

#生成整数型的属性
def _int64_feature(value):
 return tf.train.feature(int64_list=tf.train.int64list(value=[value]))
#生成字符串型的属性
def _bytes_feature(value):
 return tf.train.feature(bytes_list=tf.train.byteslist(value=[value]))
def convert_to(data_set,name):
 '''
 将数据填入到tf.train.example的协议缓冲区（protocol buffer)中，将协议缓冲区序列
 化为一个字符串，通过tf.python_io.tfrecordwriter写入tfrecords文件 
 '''
 images=data_set.images
 labels=data_set.labels
 num_examples=data_set.num_examples
 if images.shape[0]!=num_examples:
  raise valueerror ('imagessize %d does not match label size %d.'\
       %(images.shape[0],num_examples))
 rows=images.shape[1] #28
 cols=images.shape[2] #28
 depth=images.shape[3] #1 是黑白图像

 filename = os.path.join(flags.directory, name + '.tfrecords')
 #使用下面语句就会将三个文件存储为一个tfrecord文件,当数据量较大时，最好将数据写入多个文件
 #filename="c:/users/dbsdz/desktop/tf练习/tfrecord"
 print('writing',filename)
 writer=tf.python_io.tfrecordwriter(filename)
 for index in range(num_examples):
  image_raw=images[index].tostring() #将图像矩阵化为一个字符串

  #写入协议缓冲区，height、width、depth、label编码成int 64类型，image——raw编码成二进制
  example=tf.train.example(features=tf.train.features(feature={
    'height':_int64_feature(rows),
    'width':_int64_feature(cols),
    'depth':_int64_feature(depth),
    'label':_int64_feature(int(labels[index])),
    'image_raw':_bytes_feature(image_raw)}))
  writer.write(example.serializetostring())  #序列化字符串
 writer.close()

上面程序可以将mnist数据集中所有的训练数据存储到三个tfrecord文件中。结果如下图

从队列中tfrecord文件，过程分三步

1. 创建张量，从二进制文件中读取一个样本

2. 创建张量，从二进制文件中随机读取一个mini-batch

3. 把每一批张量传入网络作为输入节点

具体代码如下

def read_and_decode(filename_queue):  #输入文件名队列
 reader=tf.tfrecordreader()
 _,serialized_example=reader.read(filename_queue)
 #解析一个example,如果需要解析多个样例，使用parse_example函数
 features=tf.parse_single_example( 
   serialized_example,
   #必须写明feature里面的key的名称
   features={
   #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。另一个方法是tf.varlenfeature,
   #这种方法得到的解析结果为sparsetensor,用于处理稀疏数据。
   #这里解析数据的格式需要和上面程序写入数据的格式一致
     'image_raw':tf.fixedlenfeature([],tf.string),#图片是string类型
      'label':tf.fixedlenfeature([],tf.int64), #标记是int64类型
      })
 #对于byteslist,要重新进行编码，把string类型的0维tensor变成uint8类型的一维tensor
 image = tf.decode_raw(features['image_raw'], tf.uint8)
 image.set_shape([image_pixels])
 #tensor("input/decoderaw:0",shape=(784,),dtype=uint8)

 #image张量的形状为：tensor("input/sub:0",shape=(784,),dtype=float32)
 image = tf.cast(image, tf.float32) * (1. / 255) - 0.5

 #把标记从uint8类型转换为int32类性
 #label张量的形状为tensor（“input/cast_1:0",shape=(),dtype=int32)
 label = tf.cast(features['label'], tf.int32)
 return image,label
def inputs(train,batch_size,num_epochs):
 #输入参数：
 #train：选择输入训练数据/验证数据
 #batch_size:训练的每一批有多少个样本
 #num_epochs:过几遍数据，设置为0/none表示永远训练下去
 '''
 返回结果： a tuple (images,labels)
 *images:类型为float，形状为【batch_size,mnist.image_pixels],范围【-0.5，0.5】。
 *label:类型为int32，形状为【batch_size],范围【0，mnist.num_classes]
 注意tf.train.queuerunner必须用tf.train.start_queue_runners()来启动线程

 '''
 if not num_epochs:num_epochs=none
 #获取文件路径，即./mnist_data/train.tfrecords,./mnist_data/validation.records
 filename=os.path.join(flags.train_dir,train_file if train else validation_file)
 with tf.name_scope('input'):
  #tf.train.string_input_producer返回一个queuerunner,里面有一个fifoqueue
  filename_queue=tf.train.string_input_producer(#如果样本量很大，可以分成若干文件，把文件名列表传入
    [filename],num_epochs=num_epochs)  
  image,label=read_and_decode(filename_queue)
  #随机化example,并把它们整合成batch_size大小
  #tf.train.shuffle_batch生成了randomshufflequeue,并开启两个线程
  images,sparse_labels=tf.train.shuffle_batch(
    [image,label],batch_size=batch_size,num_threads=2,
    capacity=1000+3*batch_size,
    min_after_dequeue=1000) #留下一部分队列，来保证每次有足够的数据做随机打乱
  return images,sparse_labels

最后，构建一个三层的神经网络，包含两层卷积层以及一层使用softmax层，附上完整代码如下

# -*- coding: utf-8 -*-
"""
created on sun apr 8 11:06:16 2018

@author: dbsdz

https://blog.csdn.net/xy2953396112/article/details/54929073
"""
import tensorflow as tf
import os
import time
import math
from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets("mnist_data/", one_hot=true)


# basic model parameters as external flags. 
flags = tf.app.flags 
flags.define_float('learning_rate', 0.01, 'initial learning rate.') 
flags.define_integer('hidden1', 128, 'number of units in hidden layer 1.') 
flags.define_integer('hidden2', 32, 'number of units in hidden layer 2.') 
flags.define_integer('batch_size', 100, 'batch size. ' 
      'must divide evenly into the dataset sizes.') 
flags.define_string('train_dir', 'mnist_data/', 'directory to put the training data.') 
flags.define_string('directory', './mnist_data',
       'directory to download data files and write the '
       'converted result')
flags.define_integer('validation_size', 5000,
       'number of examples to separate from the training '
       'data for the validation set.')
flags.define_integer('num_epochs',10,'num_epochs set')
flags = tf.app.flags.flags
image_size = 28
image_pixels = image_size * image_size  #图片像素728
train_file = "train.tfrecords"
validation_file="validation.tfrecords"
#生成整数型的属性
def _int64_feature(value):
 return tf.train.feature(int64_list=tf.train.int64list(value=[value]))
#生成字符串型的属性
def _bytes_feature(value):
 return tf.train.feature(bytes_list=tf.train.byteslist(value=[value]))
def convert_to(data_set,name):
 '''
 将数据填入到tf.train.example的协议缓冲区（protocol buffer)中，将协议缓冲区序列
 化为一个字符串，通过tf.python_io.tfrecordwriter写入tfrecords文件 
 '''
 images=data_set.images
 labels=data_set.labels
 num_examples=data_set.num_examples
 if images.shape[0]!=num_examples:
  raise valueerror ('imagessize %d does not match label size %d.'\
       %(images.shape[0],num_examples))
 rows=images.shape[1] #28
 cols=images.shape[2] #28
 depth=images.shape[3] #1 是黑白图像

 filename = os.path.join(flags.directory, name + '.tfrecords')
 #使用下面语句就会将三个文件存储为一个tfrecord文件,当数据量较大时，最好将数据写入多个文件
 #filename="c:/users/dbsdz/desktop/tf练习/tfrecord"
 print('writing',filename)
 writer=tf.python_io.tfrecordwriter(filename)
 for index in range(num_examples):
  image_raw=images[index].tostring() #将图像矩阵化为一个字符串

  #写入协议缓冲区，height、width、depth、label编码成int 64类型，image——raw编码成二进制
  example=tf.train.example(features=tf.train.features(feature={
    'height':_int64_feature(rows),
    'width':_int64_feature(cols),
    'depth':_int64_feature(depth),
    'label':_int64_feature(int(labels[index])),
    'image_raw':_bytes_feature(image_raw)}))
  writer.write(example.serializetostring())  #序列化字符串
 writer.close()


def inference(images, hidden1_units, hidden2_units):
 with tf.name_scope('hidden1'):
 weights = tf.variable(
  tf.truncated_normal([image_pixels, hidden1_units],
       stddev=1.0 / math.sqrt(float(image_pixels))),name='weights')
 biases = tf.variable(tf.zeros([hidden1_units]),name='biases')
 hidden1 = tf.nn.relu(tf.matmul(images, weights) + biases)
 with tf.name_scope('hidden2'):
 weights = tf.variable(
  tf.truncated_normal([hidden1_units, hidden2_units],
       stddev=1.0 / math.sqrt(float(hidden1_units))),
  name='weights')
 biases = tf.variable(tf.zeros([hidden2_units]),
       name='biases')
 hidden2 = tf.nn.relu(tf.matmul(hidden1, weights) + biases)
 with tf.name_scope('softmax_linear'):
 weights = tf.variable(
  tf.truncated_normal([hidden2_units,flags.num_epochs],
       stddev=1.0 / math.sqrt(float(hidden2_units))),name='weights')
 biases = tf.variable(tf.zeros([flags.num_epochs]),name='biases')
 logits = tf.matmul(hidden2, weights) + biases
 return logits
def lossfunction(logits, labels):
 labels = tf.to_int64(labels)
 cross_entropy = tf.nn.sparse_softmax_cross_entropy_with_logits(
  logits=logits, labels=labels, name='xentropy')
 loss = tf.reduce_mean(cross_entropy, name='xentropy_mean')
 return loss
def training(loss, learning_rate):
 tf.summary.scalar(loss.op.name, loss)
 optimizer = tf.train.gradientdescentoptimizer(learning_rate)
 global_step = tf.variable(0, name='global_step', trainable=false)
 train_op = optimizer.minimize(loss, global_step=global_step)
 return train_op
def read_and_decode(filename_queue):  #输入文件名队列
 reader=tf.tfrecordreader()
 _,serialized_example=reader.read(filename_queue)
 #解析一个example,如果需要解析多个样例，使用parse_example函数
 features=tf.parse_single_example( 
   serialized_example,
   #必须写明feature里面的key的名称
   features={
   #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。另一个方法是tf.varlenfeature,
   #这种方法得到的解析结果为sparsetensor,用于处理稀疏数据。
   #这里解析数据的格式需要和上面程序写入数据的格式一致
     'image_raw':tf.fixedlenfeature([],tf.string),#图片是string类型
      'label':tf.fixedlenfeature([],tf.int64), #标记是int64类型
      })
 #对于byteslist,要重新进行编码，把string类型的0维tensor变成uint8类型的一维tensor
 image = tf.decode_raw(features['image_raw'], tf.uint8)
 image.set_shape([image_pixels])
 #tensor("input/decoderaw:0",shape=(784,),dtype=uint8)

 #image张量的形状为：tensor("input/sub:0",shape=(784,),dtype=float32)
 image = tf.cast(image, tf.float32) * (1. / 255) - 0.5

 #把标记从uint8类型转换为int32类性
 #label张量的形状为tensor（“input/cast_1:0",shape=(),dtype=int32)
 label = tf.cast(features['label'], tf.int32)
 return image,label

def inputs(train,batch_size,num_epochs):
 #输入参数：
 #train：选择输入训练数据/验证数据
 #batch_size:训练的每一批有多少个样本
 #num_epochs:过几遍数据，设置为0/none表示永远训练下去
 '''
 返回结果： a tuple (images,labels)
 *images:类型为float，形状为【batch_size,mnist.image_pixels],范围【-0.5，0.5】。
 *label:类型为int32，形状为【batch_size],范围【0，mnist.num_classes]
 注意tf.train.queuerunner必须用tf.train.start_queue_runners()来启动线程

 '''
 if not num_epochs:num_epochs=none
 #获取文件路径，即./mnist_data/train.tfrecords,./mnist_data/validation.records
 filename=os.path.join(flags.train_dir,train_file if train else validation_file)
 with tf.name_scope('input'):
  #tf.train.string_input_producer返回一个queuerunner,里面有一个fifoqueue
  filename_queue=tf.train.string_input_producer(#如果样本量很大，可以分成若干文件，把文件名列表传入
    [filename],num_epochs=num_epochs)  
  image,label=read_and_decode(filename_queue)
  #随机化example,并把它们整合成batch_size大小
  #tf.train.shuffle_batch生成了randomshufflequeue,并开启两个线程
  images,sparse_labels=tf.train.shuffle_batch(
    [image,label],batch_size=batch_size,num_threads=2,
    capacity=1000+3*batch_size,
    min_after_dequeue=1000) #留下一部分队列，来保证每次有足够的数据做随机打乱
  return images,sparse_labels
def run_training():
 with tf.graph().as_default():
  #输入images和labels
  images,labels=inputs(train=true,batch_size=flags.batch_size,
        num_epochs=3)  #num_epochs就是训练的轮数 
  #构建一个从推理模型来预测数据的图
  logits=inference(images,flags.hidden1,flags.hidden2)
  loss=lossfunction(logits,labels) #定义损失函数
  #add to the graph operations that train the model
  train_op=training(loss,flags.learning_rate)
  #初始化参数，特别注意：string——input_producer内部创建了一个epoch计数变量
  #归入tf.graphkey.local_variables集合中，必须单独用initialize_local_variables()初始化
  init_op=tf.group(tf.global_variables_initializer(),
       tf.local_variables_initializer())
  sess=tf.session()
  sess.run(init_op)
  #start input enqueue threads
  coord =tf.train.coordinator()
  threads=tf.train.start_queue_runners(sess=sess,coord=coord)
  try:
   step=0
   while not coord.should_stop(): #进入永久循环
    start_time=time.time()
    _,loss_value=sess.run([train_op,loss])

    #每100次训练输出一次结果
    if step % 100 ==0:
     duration=time.time()-start_time
     print('step %d: loss=%.2f (%.3f sec)'%(step,loss_value,duration))
    step+=1
  except tf.errors.outofrangeerror:
   print('done training for %d epochs,%d steps.'%(flags.num_epochs,step))
  finally:
   coord.request_stop()#通知其他线程关闭
  coord.join(threads)
  sess.close()

def main(unused_argv):

 #获取数据
 data_sets=input_data.read_data_sets(flags.directory,dtype=tf.uint8,reshape=false,
         validation_size=flags.validation_size)

 #将数据转换成tf.train.example类型，并写入tfrecords文件

 convert_to(data_sets.train,'train')

 convert_to(data_sets.validation,'validation')

 convert_to(data_sets.test,'test')
 print('convert finished')
 run_training()

if __name__ == '__main__':
 tf.app.run()

运行结果如图

以上这篇tfrecord格式存储数据与队列读取实例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。