tfrecord
这次只记录我在实验中遇到的情况和略懂的几点,多余的我没有怎么看【笑哭】,一个是因为懒,一个是因为官网介绍页太少了8,有点心塞~~
开门见山,关于Tensorflow读取数据,官网给出了三种方法,分别是:
1.供给数据(Feeding): 在TensorFlow程序训练或者测试的每一个epoch,在tf.Session().run()函数中,以字典的形式通过feed_dict参数进行赋值。
2.从文件读取数据: 在TensorFlow图的起始, 让一个输入管线从文件中读取数据。
3.预加载数据: 在TensorFlow图中定义常量或变量来保存所有数据(仅适用于数据量比较小的情况)。
截止到目前为止,由于我使用tensorflow的时间不长,次数不多,所以只是尝试过第一种和第三种方法。最近刚刚尝试了第三种方法,使用的是tensorflow内定的标准读取数据的格式—tfrecord,在这里记录一下。(好像并没有开门见山,尴尬脸)
TFRecords是一种二进制文件,这个格式我真的理解无能,据说它不对数据进行压缩,所以可以被快速加载到内存中,要复制和移动的时候也是咻的一下就搞定,所以说人家作为内定格式是有原因的,嗯,没错,凭实力内定。但是这种格式不支持随机访问,因此它适合于大量的数据流,但不适用于快速分片或其他非连续存取。
tfrecord的使用流程
写入tfrecord文件
TFRecords文件包含了tf.train.Example 协议内存块(protocol buffer)(协议内存块包含了字段 Features)。我们可以写一段代码获取你的数据, 将数据填入到Example协议内存块(protocol buffer),将协议内存块序列化为一个字符串, 并且通过tf.python_io.TFRecordWriter 写入到TFRecords文件。
上面这段话是从别人那里复制来的。用更通俗的话来解释一下。分两种情况来说:
1.一次往tfrecord文件中存储一个样本数据
2.一次往tfrecord文件中存储一个bacth的样本数据
对于第一种情况(一次往tfrecord文件中存储一个样本数据),每一个样本的特征构造一个dict={‘特征1’:“value1”,"特征2”:“value2”,…,“特征n”:“value n”}。
首先通过tf.python_io.TFRecordWriter函数打开要写入的tfrecord文件。
writer = tf.python_io.TFRecordWriter(outfile)
然后通过下面这种形式把样本特征存到example中。
example = tf.train.Example(
features=tf.train.Features( #构造每个样本的信息键值对
feature={
'fm_feat_indices': tf.train.Feature(
bytes_list=tf.train.BytesList(value=[fm_feat_indices_str])),
'fm_feat_values': tf.train.