本文介绍了如何加载各种数据源,以生成可以用于tensorflow使用的数据集,一般指Dataset。主要包括以下几类数据源:
- 预定义的公共数据源
- 内存中的数据
- csv文件
- TFRecord
- 任意格式的数据文件
- 稀疏数据格式文件
更完整的数据加载方式请参考:https://www.tensorflow.org/tutorials/load_data/images?hl=zh-cn
import numpy as np
import pandas as pd
import tensorflow as tf
from tensorflow import keras
import matplotlib.pyplot as plt
import os
print(tf.__version__)
2.5.0
1、预定义的公共数据源
为了方便使用,tensorflow将一些常用的数据源预先处理好,用户可以直接使用。完整内容请参考:
https://www.tensorflow.org/datasets/overview
tensorflow的数据集有2种类型:
- 简单的数据集,使用keras.datasets.***.load_data()即可以得到数据
- 在tensorflow_datasets中的数据集。
1.1 简单数据集
常见的有mnist,fashion_mnist等返回的是numpy.ndarray的数据格式。
(x_train_all,y_train_all),(x_test,y_test) = keras.datasets.fashion_mnist.load_data()
print(type(x_train_all))
x_train_all[5,1],y_train_all[5]
<class 'numpy.ndarray'>
(array([ 0, 0, 0, 1, 0, 0, 20, 131, 199, 206, 196, 202, 242,
255, 255, 250, 222, 197, 206, 188, 126, 17, 0, 0, 0, 0,
0, 0], dtype=uint8),
2)
(x_train_all,y_train_all),(x_test,y_test) = keras.datasets.mnist.load_data()
x_train_all[14,14],y_train_all[14]
(array([ 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 29,
255, 254, 109, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
0, 0], dtype=uint8),
1)
1.2 tensorflow_datasets
tensorflow_datasets提供的数据集。
题外话,由于tensorflow dataset被墙,请自备梯子。若在服务器等无法fq的环境,可以先在其它机器下载好,数据一般会下载到~/tensorflow_datasets目录下,然后把目录下的数据集上传到服务器相同的目录即可。tensorflow会优先检查本地目录是否有文件,再去下载。
通过tfds.load()可以方便的加载数据集,返回值为tf.data.Dataset类型;如果with_info=True,则返回(Dataset,ds_info)组成的tuple。
完整内容可参考:
https://www.tensorflow.org/datasets/api_docs/python/tfds/load
1.3 flower数据集
import tensorflow_datasets as tfds
dataset, info = tfds.load("tf_flowers", as_supervised=True, with_info=True)
class_names = info.features["label"].names
n_classes = info.features["label"].num_classes
dataset_size = info.splits["train"].num_examples
test_set_raw, valid_set_raw, train_set_raw = tfds.load(
"tf_flowers",
split=["train[:10%]", "train[10%:25%]", "train[25%:]"],
as_supervised=True)
# 画一些花朵看一下
plt.figure(figsize=(12, 10))
index = 0
for image, label in train_set_raw.take(9):
index += 1
plt.subplot(3, 3, index)
plt.imshow(image)
plt.title("Class: {}".format(class_names[label]))
plt.axis("off")
plt