项目已上传至 GitHub —— proc_fx.py
1. 数据处理流程
对于输入数据的处理,大体上流程都差不多,可以归结如下:
- 将数据转为 TFRecord 格式的多个文件
- 用 tf.train.match_filenames_once() 创建文件列表
- 用 tf.train.string_input_producer() 创建输入文件队列,可以将输入文件顺序随机打乱
- 用 tf.TFRecordReader() 读取文件中的数据
- 用 tf.parse_single_example() 解析数据
- 对数据进行解码及预处理
- 用 tf.train.shuffle_batch() 将数据组合成 batch
- 将 batch 用于训练
2. 输入数据处理框架
框架主要是三方面的内容:
- TFRecord 输入数据格式
- 图像数据处理
- 多线程输入数据处理
以下代码只是描绘了一个输入数据处理的框架,需要根据实际使用环境进行修改(代码实现自《TensorFlow:实战Google深度学习框架》)
import tensorflow as tf
# 创建文件列表
files = tf.train.match_filenames_once('data/data.tfrecords-*')
# 创建输入文件队列
filename_queue = tf.train.string_input_producer(files, shuffle=Flase)
# 解析数据。假设image是图像数据,label是标签,height、width、channels给出了图片的维度
reader = tf.TFRecordReader()
_, serialized_example = reader.read(filename_queue)
features