Tensorflow如何實現分批量讀取數據

小編給大家分享一下Tensorflow如何實現分批量讀取數據，相信大部分人都還不怎么了解，因此分享這篇文章給大家參考一下，希望大家閱讀完這篇文章后大有收獲，下面讓我們一起去了解一下吧！

之前的博客里使用tf讀取數據都是每次fetch一條記錄，實際上大部分時候需要fetch到一個batch的小批量數據，在tf中這一操作的明顯變化就是tensor的rank發生了變化，我目前使用的人臉數據集是灰度圖像，因此大小是92*112的，所以最開始fetch拿到的圖像數據集經過reshape之后就是一個rank為2的tensor，大小是92*112的（如果考慮通道，也可以reshape為rank為3的，即92*112*1）。

如果加入batch，比如batch大小為5，那么拿到的tensor的rank就變成了3，大小為5*92*112。

下面規則化的寫一下讀取數據的一般流程，按照官網的實例，一般把讀取數據拆分成兩個大部分，一個是函數專門負責讀取數據和解碼數據，一個函數則負責生產batch。

import tensorflow as tf

def read_data(fileNameQue):

 reader = tf.TFRecordReader()
 key, value = reader.read(fileNameQue)
 features = tf.parse_single_example(value, features={'label': tf.FixedLenFeature([], tf.int64),
              'img': tf.FixedLenFeature([], tf.string),})
 img = tf.decode_raw(features["img"], tf.uint8)
 img = tf.reshape(img, [92,112]) # 恢復圖像原始大小
 label = tf.cast(features["label"], tf.int32)

 return img, label

def batch_input(filename, batchSize):

 fileNameQue = tf.train.string_input_producer([filename], shuffle=True)
 img, label = read_data(fileNameQue) # fetch圖像和label
 min_after_dequeue = 1000
 capacity = min_after_dequeue+3*batchSize
 # 預取圖像和label并隨機打亂，組成batch，此時tensor rank發生了變化，多了一個batch大小的維度
 exampleBatch,labelBatch = tf.train.shuffle_batch([img, label],batch_size=batchSize, capacity=capacity,
              min_after_dequeue=min_after_dequeue)
 return exampleBatch,labelBatch

if __name__ == "__main__":

 init = tf.initialize_all_variables()
 exampleBatch, labelBatch = batch_input("./data/faceTF.tfrecords", batchSize=10)

 with tf.Session() as sess:

  sess.run(init)
  coord = tf.train.Coordinator()
  threads = tf.train.start_queue_runners(coord=coord)

  for i in range(100):
   example, label = sess.run([exampleBatch, labelBatch])
   print(example.shape)

  coord.request_stop()
  coord.join(threads)

讀取數據和解碼數據與之前基本相同，針對不同格式數據集使用不同閱讀器和解碼器即可，后面是產生batch，核心是tf.train.shuffle_batch這個函數，它相當于一個蓄水池的功能，第一個參數代表蓄水池的入水口，也就是逐個讀取到的記錄，batch_size自然就是batch的大小了，capacity是蓄水池的容量，表示能容納多少個樣本，min_after_dequeue是指出隊操作后還可以供隨機采樣出批量數據的樣本池大小，顯然，capacity要大于min_after_dequeue，官網推薦：min_after_dequeue + (num_threads + a small safety margin) * batch_size,還有一個參數就是num_threads，表示所用線程數目。

min_after_dequeue這個值越大，隨機采樣的效果越好，但是消耗的內存也越大。

以上是“Tensorflow如何實現分批量讀取數據”這篇文章的所有內容，感謝各位的閱讀！相信大家都有了一定的了解，希望分享的內容對大家有所幫助，如果還想學習更多知識，歡迎關注億速云行業資訊頻道！