1、TensorFlow读取机制图解
我们必须要把数据先读入后才能进行计算,假设读入用时0.1s,计算用时0.9s,那么就意味着每过1s,GPU都会有0.1s无事可做,这就大大降低了运算的效率。解决这个问题方法就是将读入数据和计算分别放在两个线程中,将数据读入内存的一个队列,如下图所示:
读取线程源源不断地将文件系统中的图片读入到一个内存的队列中,而负责计算的是另一个线程,计算需要数据时,直接从内存队列中取就可以了。这样就可以解决GPU因为IO而空闲的问题!在tensorflow中,为了方便管理,在内存队列前又添加了一层所谓的“文件名队列”。tensorflow使用文件名队列+内存队列双队列的形式读入文件,可以很好地管理epoch。下面我们用图片的形式来说明这个机制的运行方式:
2、相关函数简介
(1)三个机制:
Queue是TF队列和缓存机制的实现,它本质上是一个队列;
QueueRunner是TF中对操作Queue的线程的封装,它本质上是一个线程;
Coordinator是TF中用来协调线程运行的工具,保存线程组的运行状态;
(2)读取步骤
步骤:
1)获取文件名列表list
2)创建文件名队列,调用tf.train.string_input_producer(),参数包含:文件名列表,num_epochs【定义重复次数】,shuffle【定义是否打乱文件的顺序】
3)定义对应文件的阅读器:tf.ReaderBase、tf.TFRecordReader 、tf.TextLineReader 、tf.WholeFileReader 、tf.IdentityReader 、tf.FixedLengthRecordReader。
4)解析器 : tf.decode_csv 、tf.decode_raw 、 tf.image.decode_image 。
5)预处理,对原始数据进行处理,以适应network输入所需
6)生成batch,调用tf.train.bat