TensorFlow的数据读取机制

下面用一个具体的例子体会TensorFlow中的数据读取，如下图所示，假设当前文件夹中已经有1.png,2.png,3.png三张图片，希望读取的这三张图片的5个epoch，并把读取的结果重新存到read文件夹中。

代码如下（对应的文件为test1.py）

import tensorflow as tf

#新建一个Session
with tf.Session() as sess:
    #要读取的三张图片
    filename = ['1.png','2.png','3.png']
    #string_input_producer会产生一个文件名队列
    filename_queue = tf.train.string_input_producer(filename,shuffle=False,num_epochs=5)
    #reader从文件名列表中读取数据，对应方法为reader.read
    reader=tf.WholeFileReader()
    key,value = reader.read(filename_queue)
    #tf.train.string_input_producer定义了一个epoch变量，要对他进行初始化
    tf.local_variables_initializer().run()
    #使用start_queue_runners之后，才会开始填充队列
    threads=tf.train.start_queue_runners(sess=sess)
    i=0
    while True:
        i  += 1
        #获取图片数据并保存
        image_data = sess.run(value)
        with open('read/test1_%d.png' % i, 'wb')as f:
            f.write(image_data)

运行代码后，（程序最后会抛出一个OutOfRangeError异常，不必担心，这就是epoch跑完，队列关闭的标志），得到read文件夹中的图片，正好是按顺序的5个epoch，如下图所示

如果设置
filename_queue = tf.train.string_input_producer(filename,shuffle=False,num_epochs=5)中的shuffle=True,那么在每个epoch内图像会被打乱