tensorflow读取数据主要有三种方式
1,共给数据,在tensorflow程序运行的每一步,让python代码来供给数据
2,从文件读取数据:在tensorflow图开始,让一个管线从线程中读取数据
3,预加载数据,在tensorflow图中定义变量或变量来保存所有的数据(使用数据比较小的情况)
如果数据很小,内存足够大,可以选择将所有的数据读入内存,然后每次取一个batch对的数据出来,如果数据很多,就每次从硬盘直接读取,不过这种方法的效率很低,
使用tfrecord读取数据
它是一种数据读取方式,实际上是先读取原生数据,然后转化成这种格式,在存储在硬盘上,使用的时候,再将数据从相应的tfrecord解码读取出来,为什么可以加快速度呢
首先读取的时候,先以相应的tfrecord文件为参数,创建一个队列,这个队列有一定的容量,在一部分数据出队的时候,将其他数据与取出来送入队列,这个过程和网络的计算是独立进行的。网络每一个iteration的训练不必等待数据队列准备好再开始,队列中的数据始终是充足的,而往队列中填充数据时,也可以使用多线程加速。
训练网络那些事--tensorflow 读取数据
最新推荐文章于 2022-09-22 13:01:45 发布