TensorFlow高效读取数据的方法示例

概述

最新上传的mcnn中有完整的数据读写示例，可以参考。

关于Tensorflow读取数据，官网给出了三种方法：

供给数据(Feeding)： 在TensorFlow程序运行的每一步， 让Python代码来供给数据。 从文件读取数据： 在TensorFlow图的起始， 让一个输入管线从文件中读取数据。 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)。

对于数据量较小而言，可能一般选择直接将数据加载进内存，然后再分batch输入网络进行训练（tip:使用这种方法时，结合yield 使用更为简洁，大家自己尝试一下吧，我就不赘述了）。但是，如果数据量较大，这样的方法就不适用了，因为太耗内存，所以这时最好使用tensorflow提供的队列queue，也就是第二种方法 从文件读取数据。对于一些特定的读取，比如csv文件格式，官网有相关的描述，在这儿我介绍一种比较通用，高效的读取方法（官网介绍的少），即使用tensorflow内定标准格式——TFRecords

太长不看，直接看源码请猛戳我的github，记得加星哦。

TFRecords

TFRecords其实是一种二进制文件，虽然它不如其他格式好理解，但是它能更好的利用内存，更方便复制和移动，并且不需要单独的标签文件（等会儿就知道为什么了）… …总而言之，这样的文件格式好处多多，所以让我们用起来吧。

TFRecords文件包含了tf.train.Example 协议内存块(protocol buffer)(协议内存块包含了字段 Features)。我们可以写一段代码获取你的数据， 将数据填入到Example协议内存块(protocol buffer)，将协议内存块序列化为一个字符串， 并且通过tf.python_io.TFRecordWriter 写入到TFRecords文件。

从TFRecords文件中读取数据， 可以使用tf.TFRecordReader的tf.parse_single_example解析器。这个操作可以将Example协议内存块(protocol buffer)解析为张量。

接下来，让我们开始读取数据之旅吧~

生成TFRecords文件

我们使用tf.train.Example来定义我们要填入的数据格式，然后使用tf.python_io.TFRecordWriter来写入。

import osimport tensorflow as tf from PIL import Imagecwd = os.getcwd()'''此处我加载的数据目录如下：0 -- img1.jpg   img2.jpg   img3.jpg   ...1 -- img1.jpg   img2.jpg   ...2 -- ... 这里的0， 1， 2...就是类别，也就是下文中的classes classes是我根据自己数据类型定义的一个列表，大家可以根据自己的数据情况灵活运用...'''writer = tf.python_io.TFRecordWriter("train.tfrecords")for index, name in enumerate(classes):  class_path = cwd + name + "/"  for img_name in os.listdir(class_path):    img_path = class_path + img_name      img = Image.open(img_path)      img = img.resize((224, 224))    img_raw = img.tobytes()       #将图片转化为原生bytes    example = tf.train.Example(features=tf.train.Features(feature={      "label": tf.train.Feature(int64_list=tf.train.Int64List(value=[index])),      'img_raw': tf.train.Feature(bytes_list=tf.train.BytesList(value=[img_raw]))    }))    writer.write(example.SerializeToString()) #序列化为字符串writer.close()