溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
在上一篇文章tensorflow入門：tfrecord 和tf.data.TFRecordDataset的使用里，講到了使用如何使用tf.data.TFRecordDatase來對tfrecord文件進行batch讀取，即使用dataset的batch方法進行；但如果每條數據的長度不一樣（常見于語音、視頻、NLP等領域），則不能直接用batch方法獲取數據，這時則有兩個解決辦法：
1.在把數據寫入tfrecord時，先把數據pad到統一的長度再寫入tfrecord；這個方法的問題在于：若是有大量數據的長度都遠遠小于最大長度，則會造成存儲空間的大量浪費。
2.使用dataset中的padded_batch方法來進行，參數padded_shapes #指明每條記錄中各成員要pad成的形狀，成員若是scalar，則用[]，若是list，則用[mx_length]，若是array，則用[d1,...,dn]，假如各成員的順序是scalar數據、list數據、array數據，則padded_shapes=([], [mx_length], [d1,...,dn])；該方法的函數說明如下：
padded_batch( batch_size, padded_shapes, padding_values=None #默認使用各類型數據的默認值，一般使用時可忽略該項 )
使用mnist數據來舉例說明，首先在把mnist寫入tfrecord之前，把mnist數據進行更改，以使得每個mnist圖像的大小不等，如下：
import tensorflow as tf
from tensorflow.contrib.learn.python.learn.datasets.mnist import read_data_sets
mnist = read_data_sets("MNIST_data/", one_hot=True)
def get_tfrecords_example(feature, label):
tfrecords_features = {}
feat_shape = feature.shape
tfrecords_features['feature'] = tf.train.Feature(float_list=tf.train.FloatList(value=feature))
tfrecords_features['shape'] = tf.train.Feature(int64_list=tf.train.Int64List(value=list(feat_shape)))
tfrecords_features['label'] = tf.train.Feature(float_list=tf.train.FloatList(value=label))
return tf.train.Example(features=tf.train.Features(feature=tfrecords_features))
def make_tfrecord(data, outf_nm='mnist-train'):
feats, labels = data
outf_nm += '.tfrecord'
tfrecord_wrt = tf.python_io.TFRecordWriter(outf_nm)
ndatas = len(labels)
print(feats[0].dtype, feats[0].shape, ndatas)
assert len(labels[0]) > 1
for inx in range(ndatas):
ed = random.randint(0,3) #隨機丟掉幾個數據點，以使長度不等
exmp = get_tfrecords_example(feats[inx][:-ed], labels[inx])
exmp_serial = exmp.SerializeToString()
tfrecord_wrt.write(exmp_serial)
tfrecord_wrt.close()
import random
nDatas = len(mnist.train.labels)
inx_lst = range(nDatas)
random.shuffle(inx_lst)
random.shuffle(inx_lst)
ntrains = int(0.85*nDatas)
# make training set
data = ([mnist.train.images[i] for i in inx_lst[:ntrains]], \
[mnist.train.labels[i] for i in inx_lst[:ntrains]])
make_tfrecord(data, outf_nm='mnist-train')
# make validation set
data = ([mnist.train.images[i] for i in inx_lst[ntrains:]], \
[mnist.train.labels[i] for i in inx_lst[ntrains:]])
make_tfrecord(data, outf_nm='mnist-val')
# make test set
data = (mnist.test.images, mnist.test.labels)
make_tfrecord(data, outf_nm='mnist-test')
用dataset加載批量數據，在解析數據時用到tf.VarLenFeature(tf.datatype)，而非tf.FixedLenFeature([], tf.datatype)}，且要配合tf.sparse_tensor_to_dense函數使用，如下：
import tensorflow as tf
train_f, val_f, test_f = ['mnist-%s.tfrecord'%i for i in ['train', 'val', 'test']]
def parse_exmp(serial_exmp):
feats = tf.parse_single_example(serial_exmp, features={'feature':tf.VarLenFeature(tf.float32),\
'label':tf.FixedLenFeature([10],tf.float32), 'shape':tf.FixedLenFeature([], tf.int64)})
image = tf.sparse_tensor_to_dense(feats['feature']) #使用VarLenFeature讀入的是一個sparse_tensor，用該函數進行轉換
label = tf.reshape(feats['label'],[2,5]) #把label變成[2,5]，以說明array數據如何padding
shape = tf.cast(feats['shape'], tf.int32)
return image, label, shape
def get_dataset(fname):
dataset = tf.data.TFRecordDataset(fname)
return dataset.map(parse_exmp) # use padded_batch method if padding needed
epochs = 16
batch_size = 50
padded_shapes = ([784],[3,5],[]) #把image pad至784，把label pad至[3,5]，shape是一個scalar，不輸入數字
# training dataset
dataset_train = get_dataset(train_f)
dataset_train = dataset_train.repeat(epochs).shuffle(1000).padded_batch(batch_size, padded_shapes=padded_shapes)
以上這篇tensorflow入門:TFRecordDataset變長數據的batch讀取詳解就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支持億速云。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
