TensorFlow之数据集(dataset)
学习记录
前面学习过队列和线程用于读取训练数据,今天学习《TensorFlow实战Google深度学习框架》一书中的另外一种数据的读取方式:通过数据集读取训练数据。
利用数据集读取数据有三个基本步骤:
- 定义数据集的构造方式。
- 定义迭代器。
- 使用get_next()方法从迭代器中读取数据张量,作为计算图其他部分的输出。
数据集的基本使用方法
首先注明两点:
- 在数据集框架中,每一个数据集代表一个数据来源:数据可能来自一个张量,一个文本文件,或者一个TFRecord文件等。
- 用于训练数据通常无法全部写入内存中,所以从数据集读取数据时需要使用一个迭代器(Iterator)按顺序进行读取,这点与队列的dequeue()操作以及Reader的read()操作类似。
在正式叙述利用数据集读取训练数据之前,先集中了解一下数据集的创建。
数组创建数据集
在正式介绍利用队列与多线程读取数据之前,先给出一个简单的程序来生成样例数据。
# 从一个数组创建数据集
input_data = [1,2,3,5,8]
dataset = tf.data.Dataset.from_tensor_slices(input_data)
# 定义一个迭代器用于遍历数据集。
# 因为上面定义的数据集没有用placeholder作为输入参数,
# 所以这里可以使用最简单的one_shot_iterator
iterator = dataset.make_one_shot_iterator()
# get_next()返回代表一个输入数据的张量,类似于队列的dequeue()
x = iterator.get_next()
y = x * x
with tf.Session() as sess:
for i in range(len(input_data)):
print(sess.run(y))
-
tf.data.Dataset.from_tensor_slices()
用于从一个数组创建一个数据集。 -
make_one_shot_iterator() 产生一个单次的迭代器。这种迭代器进支持对数据进行一次迭代,迭代完成后如还要继续迭代就会报错:OutOfRangeError: End of sequence
-
get_next()
用于从迭代器中取出并返回一个数据
文本文档创建数据集
# 从文本文档创建数据集
input_files = [r'C:\Users\USER\Desktop\hekai.txt',r'C:\Users\USER\Desktop\1.txt']
dataset = tf.data.TextLineDataset(input_files)
iterator = dataset.make_one_shot_iterator()
x = iterator.get_next()
with tf.Session() as sess:
for i in range(10):
print(sess.run(x))
- tf.data.TextLineDataset()
利用文本文档创建数据集
TFRecord文件创建数据集
# 从文本文档创建数据集
# 解析一个TFRecord的方法
def parser(record):
features = tf.parse_single_example(
record,
features={
'image_raw'