tensorflow的数据读取

转载一下文章：
https://blog.csdn.net/duanyajun987/article/details/82352596
文件写入与读取
tensorflow程序读取数据一种3中方法

• 供给数据(feeding)：在tensorflow程序运行的每一步，让python代码供给数据
• 从文件读取数据：在tensorflow图的起始，让一个输入管道从文件中读取数据
• 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）

1.预加载数据：

import tensorflow as tf
x1=tf.constant([2,3,4])
x2=tf.constant([4,0,1])

y=tf.add(x1,x2)

with tf.Session() as sess:
	print(sess.run(y))

x1,x2保存具体的值，将数据直接内嵌到图中，再将图传入会话中执行，当数据量较大时，图的输出会遇到效率问题。

2.供给数据

import tensorflow as tf
x1=tf.placeholder(tf.int32)
x2=tf.placeholder(tf.int32)
v1=[2,3,4]
v2=[4,0,1]
y=tf.add(x1,x2)
with tf.Session() as sess:
	print(sess.run(y,feed_dict={x1:v1,x2:v2}))

x1,x2只是占位符，跟get_variable和variable定义出的变量不同。没有具体的值，运行的时候需要sess.run（）中的feed_dict参数，将python产生的参数传入计算图并计算y。

以上两种方法在遇到大型数据的时候，就很吃力，feed_dict中间环节的增加。最优方案是在计算图中定义好文件读取的方法，让tensorflow自己从文件中读取数据，并解码成可用的样本集。

3.Tensorflow中的队列机制，从文件读取数据

从文件中读取数据的方法有很多，从文本里写入图片数据的路径和标签，用tensorflow的read_file()读入图片；也可以将图片和标签的值直接存放在CSV或者txt文件。

• 从字典结构的数据文件读取
• 从bin文件读取
• 从CSV（TXT）读取
• 从原图读取
• TFRecord格式文件的读取

Tensorflow的队列机制：
通过多线程将读取与计算数据两个操作分开，海量数据无法一次性载入内存，需要一边从硬盘中读取，一边进行训练，为了加快训练速度，可以采用多个线程读取数据，一个线程消耗数据。
Tensorflow中Queue的概念和用法

• Queue是TF队列和缓存机制的实现
• QueueRunner是TF中对操作Queue的线程的封装
• Coordinator是TF中用来协调线程运行的工具
  三者互相配合也可以单独使用

1.Queue
根据实现方式不同，分成以下几种类型：

• tf.FIFOQueu：按先入先出顺序的队列
• tf.RandomShuffleQueue:随机顺序出列的队列
• tf.PaddingFIFOQueue：以固定长度批量出列的队列
• tf.PriorityQueue：带优先级出列的队列
• 。。。
  上述类型创建使用方法基本相同
  创建函数的参数：
  tf.FIFOQueue(capacity,dbytes,shapes=None,names=None,shared_name=None,name=“fifo_queue”)
  Queue主要包含入列enqueue和出列的dequeue两个操作。队列本身也是图中的一个节点，其他节点（enqueue和dequeue）可以修改队列节点中的内容。enqueue操作返回计算图中的Operation节点，dequeue操作返回一个Tensor值。Tensor在创建时同样只是一个定义（或“声明”），需要在Session中运行才能获得真正的数值。
  2.QueueRunner
  在数据输入的应用场景中，入队操作从硬盘上读取，放入内存中，速度较慢。使用QueueRunner可以创建一系列新的线程进行入队操作，让主线程继续使用数据。如果在神经网络训练场景中，就是训练网络和读取数据是异步的，主线程在训练网络，另一个线程在将数据从硬盘读入内存。

q=tf.FIFOQueue(10,"float")
counter=tf.Variable(0.0)
increment_op=tf.assign_add(counter,1.0)
enqueue_op=q.enqueue(counter)
qr=tf.train.QueueRunner(q,enqueue_ops=[increment_op,enqueue]*2])
#主线程
sess=tf.Session()
sess.run(tf.initialize_all_variables())
#启动入队线程
enqueue_threads=qr.create_threads(sess,start=True)
#主线程
for i in range(0,10):
	print(sess.run(q.dequeue()))

没有使用sess.close()主线程就没有结束，入队线程也会一直运行。
增加计数的线程不断在后台运行，执行入队的线程会先执行10次，因为队列长度只有10，然后主线程开始消费，当一部分数据消费后，入队的进行又会开始执行，最终主线程消费完10个数据后停止，但其他线程继续运行，程序不会结束，如果使用功能sess.close()则该线程停止，且入队线程会报错。因为会话停止。
因为tensorflow在图上进行，要驱动一张图进行运算，必须送入数据，如果没有数据，则sess.run()无法执行，tf也不会报错，会一直挂起，等待数据准备好。
3.Coordinator
是用来保存线程组运行状态的协调器对象，可以单独和python线程使用。

将QueueRunner和Coordinator一起使用，当任何一个线程出现异常时，能够正常结束整个程序，同时主线程也可以直接调用request_stop()方法来停止所有子线程的执行。

从文件中读取数据

1.从字典结构的数据文件读取（python数据格式）
创建字典结构的数据文件：

• 先要准备好图片结构，使用功能opencv进行图像读取
• 把cv2.imread()读取到的图像进行裁切、扭曲等处理
• 使用numpy对数据进行处理，比如维度合并
• 把处理好的每一张图像的数据和标签分别存放在对应的list或ndarray中
• 创建一个字典，包含两个元素，"data"和“labels”，分别赋值为上面的list
• 使用功能pickle模块对字典进行序列化，并保存到文件中
  针对图片较多的情况，不太可能把所有图像都写入文件，可以分批把图像写入几个文件中。
  2.从bin文件读取
  bin文件需要一定长度的size格式存储，比如每个样本的值占多少字节，label占多少字节。这对于每个样本都是固定的，然后一个接一个存储，因此可以使用tf.FixedLengthRecordReader类每次读取固定长度的字节，正好可以对应一个样本存储的字节，并用tfdecode_raw进行解析。
  具体操作详见上述参考文章。
  3.从CSV（TXT）文件读取
  数据量不是很大的时候，可以从CSV或者TXT 文件进行读取。