tensorflow载入数据的三种方式.docx

tensorflow载入数据的三种方式.docx

《tensorflow载入数据的三种方式.docx》由会员分享，可在线阅读，更多相关《tensorflow载入数据的三种方式.docx（6页珍藏版）》请在冰豆网上搜索。

tensorflow载入数据的三种方式

tensorflow载入数据的三种方式

Tensorflow数据读取有三种方式：

Preloadeddata:

预加载数据Feeding:

Python产生数据，再把数据喂给后端。

Readingfromfile:

从文件中直接读取

这三种有读取方式有什么区别呢？

我们首先要知道TensorFlow（TF）是怎么样工作的。

TF的核心是用C++写的，这样的好处是运行快，缺点是调用不灵活。

而Python恰好相反，所以结合两种语言的优势。

涉及计算的核心算子和运行框架是用C++写的，并提供API给Python。

Python调用这些API，设计训练模型（Graph），再将设计好的Graph给后端去执行。

简而言之，Python的角色是Design，C++是Run。

一、预加载数据：

[python]viewplaincopyimporttensorflowastf#设计Graphx1=tf.constant（[2,3,4]）x2=tf.constant（[4,0,1]）y=tf.add（x1,x2）#打开一个session-->计算ywithtf.Session（）assess:

printsess.run（y）

二、python产生数据，再将数据喂给后端[python]viewplaincopyimporttensorflowastf#设计Graphx1=tf.placeholder（tf.int16）x2=tf.placeholder（tf.int16）y=tf.add（x1,x2）#用Python产生数据li1=[2,3,4]li2=[4,0,1]#打开一个session-->喂数据-->计算ywithtf.Session（）assess:

printsess.run（y,feed_dict={x1:

li1,x2:

li2}）说明：

在这里x1,x2只是占位符，没有具体的值，那么运行的时候去哪取值呢？

这时候就要用到sess.run（）中的feed_dict参数，将Python产生的数据喂给后端，并计算y。

这两种方案的缺点：

1、预加载：

将数据直接内嵌到Graph中，再把Graph传入Session中运行。

当数据量比较大时，Graph的传输会遇到效率问题。

2、用占位符替代数据，待运行的时候填充数据。

前两种方法很方便，但是遇到大型数据的时候就会很吃力，即使是Feeding，中间环节的增加也是不小的开销，比如数据类型转换等等。

最优的方案就是在Graph定义好文件读取的方法，让TF自己去从文件中读取数据，并解码成可使用的样本集。

三、从文件中读取，简单来说就是将数据读取模块的图搭好1、准备数据，构造三个文件,A.csv,B.csv,C.csv

[python]viewplaincopy$echo-e"Alpha1,A1\nAlpha2,A2\nAlpha3,A3">A.csv$echo-e"Bee1,B1\nBee2,B2\nBee3,B3">B.csv$echo-e"Sea1,C1\nSea2,C2\nSea3,C3">C.csv

2、单个Reader，单个样本[python]viewplaincopy#-*-coding:

utf-8-*-importtensorflowastf#生成一个先入先出队列和一个QueueRunner,生成文件名队列filenames=['A.csv','B.csv','C.csv']filename_queue=tf.train.string_input_producer（filenames,shuffle=False）#定义Readerreader=tf.TextLineReader（）key,value=reader.read（filename_queue）#定义Decoderexample,label=tf.decode_csv（value,record_defaults=[['null'],['null']]）#example_batch,label_batch=tf.train.shuffle_batch（[example,label],batch_size=1,capacity=200,min_after_dequeue=100,num_threads=2）#运行Graphwithtf.Session（）assess:

coord=tf.train.Coordinator（）#创建一个协调器，管理线程threads=tf.train.start_queue_runners（coord=coord）#启动QueueRunner,此时文件名队列已经进队。

foriinrange（10）:

printexample.eval（）,label.eval（）coord.request_stop（）coord.join（threads）说明：

这里没有使用tf.train.shuffle_batch，会导致生成的样本和label之间对应不上，乱序了。

生成结果如下：

Alpha1A2

Alpha3B1

Bee2B3

Sea1C2

Sea3A1

Alpha2A3

Bee1B2

Bee3C1

Sea2C3

Alpha1A2解决方案：

用tf.train.shuffle_batch,那么生成的结果就能够对应上。

[python]viewplaincopy#-*-coding:

utf-8-*-importtensorflowastf#生成一个先入先出队列和一个QueueRunner,生成文件名队列filenames=['A.csv','B.csv','C.csv']filename_queue=tf.train.string_input_producer（filenames,shuffle=False）#定义Readerreader=tf.TextLineReader（）key,value=reader.read（filename_queue）#定义Decoderexample,label=tf.decode_csv（value,record_defaults=[['null'],['null']]）example_batch,label_batch=tf.train.shuffle_batch（[example,label],batch_size=1,capacity=200,min_after_dequeue=100,num_threads=2）#运行Graphwithtf.Session（）assess:

coord=tf.train.Coordinator（）#创建一个协调器，管理线程threads=tf.train.start_queue_runners（coord=coord）#启动QueueRunner,此时文件名队列已经进队。

foriinrange（10）:

e_val,l_val=sess.run（[example_batch,label_batch]）printe_val,l_valcoord.request_stop（）coord.join（threads）

3、单个Reader,多个样本,主要也是通过tf.train.shuffle_batch来实现[python]viewplaincopy#-*-coding:

utf-8-*-importtensorflowastffilenames=['A.csv','B.csv','C.csv']filename_queue=tf.train.string_input_producer（filenames,shuffle=False）reader=tf.TextLineReader（）key,value=reader.read（filename_queue）example,label=tf.decode_csv（value,record_defaults=[['null'],['null']]）#使用tf.train.batch（）会多加了一个样本队列和一个QueueRunner。

#Decoder解后数据会进入这个队列，再批量出队。

#虽然这里只有一个Reader，但可以设置多线程，相应增加线程数会提高读取速度，但并不是线程越多越好。

example_batch,label_batch=tf.train.batch（[example,label],batch_size=5）withtf.Session（）assess:

coord=tf.train.Coordinator（）threads=tf.train.start_queue_runners（coord=coord）foriinrange（10）:

e_val,l_val=sess.run（[example_batch,label_batch]）printe_val,l_valcoord.request_stop（）coord.join（threads）

说明：

下面这种写法，提取出来的batch_size个样本，特征和label之间也是不同步的[python]viewplaincopy#-*-coding:

utf-8-*-importtensorflowastffilenames=['A.csv','B.csv','C.csv']filename_queue=tf.train.string_input_producer（filenames,shuffle=False）reader=tf.TextLineReader（）key,value=reader.read（filename_queue）example,label=tf.decode_csv（value,record_defaults=[['null'],['null']]）#使用tf.train.batch（）会多加了一个样本队列和一个QueueRunner。

#Decoder解后数据会进入这个队列，再批量出队。

#虽然这里只有一个Reader，但可以设置多线程，相应增加线程数会提高读取速度，但并不是线程越多越好。

example_batch,label_batch=tf.train.batch（[example,label],batch_size=5）withtf.Session（）assess:

coord=tf.train.Coordinator（）threads=tf.train.start_queue_runners（coord=coord）foriinrange（10）:

printexample_batch.eval（）,label_batch.eval（）coord.request_stop（）coord.join（threads）说明：

输出结果如下：

可以看出feature和label之间是不对应的

['Alpha1'

'Alpha2''Alpha3''Bee1''Bee2']['B3''C1''C2''C3''A1']

['Alpha2''Alpha3''Bee1''Bee2''Bee3']['C1''C2''C3''A1''A2']

['Alpha3''Bee1''Bee2''Bee3''Sea1']['C2''C3''A1''A2''A3']4、多个reader，多个样本

[python]viewplaincopy#-*-coding:

utf-8-*-importtensorflowastffilenames=['A.csv','B.csv','C.csv']filename_queue=tf.train.string_input_producer（filenames,shuffle=False）reader=tf.TextLineReader（）key,value=reader.read（filename_queue）record_defaults=[['null'],['null']]#定义了多种解码器,每个解码器跟一个reader相连example_list=[tf.decode_csv（value,record_defaults=record_defaults）for_inrange

（2）]#Reader设置为2#使用tf.train.batch_join（），可以使用多个reader，并行读取数据。

每个Reader使用一个线程。

example_batch,label_batch=tf.train.batch_join（example_list,batch_size=5）withtf.Session（）assess:

coord=tf.train.Coordinator（）threads=tf.train.start_queue_runners（coord=coord）foriinrange（10）:

e_val,l_val=sess.run（[example_batch,label_batch]）printe_val,l_valcoord.request_stop（）coord.join（threads）

tf.train.batch与tf.train.shuffle_batch函数是单个Reader读取，但是可以多线程。

tf.train.batch_join与tf.train.shuffle_batch_join可设置多Reader读取，每个Reader使用一个线程。

至于两种方法的效率，单Reader时，2个线程就达到了速度的极限。

多Reader时，2个Reader就达到了极限。

所以并不是线程越多越快，甚至更多的线程反而会使效率下降。

5、迭代控制，设置epoch参数，指定我们的样本在训练的时候只能被用多少轮

[python]viewplaincopy#-*-coding:

utf-8-*-importtensorflowastffilenames=['A.csv','B.csv','C.csv']#num_epoch:

设置迭代数filename_queue=tf.train.string_input_producer（filenames,shuffle=False,num_epochs=3）reader=tf.TextLineReader（）key,value=reader.read（filename_queue）record_defaults=[['null'],['null']]#定义了多种解码器,每个解码器跟一个reader相连example_list=[tf.decode_csv（value,record_defaults=record_defaults）for_inrange

（2）]#Reader设置为2#使用tf.train.batch_join（），可以使用多个reader，并行读取数据。

每个Reader使用一个线程。

example_batch,label_batch=tf.train.batch_join（example_list,batch_size=1）#初始化本地变量init_local_op=tf.initialize_local_variables（）withtf.Session（）assess:

sess.run（init_local_op）coord=tf.train.Coordinator（）threads=tf.train.start_queue_runners（coord=coord）try:

whilenotcoord.should_stop（）:

e_val,l_val=sess.run（[example_batch,label_batch]）printe_val,l_valexcepttf.errors.OutOfRangeError:

print（'EpochsComplete!

'）finally:

coord.request_stop（）coord.join（threads）coord.request_stop（）coord.join（threads）

在迭代控制中，记得添加tf.initialize_local_variables（），官网教程没有说明，但是如果不初始化，运行就会报错。

=========================================================================================对于传统的机器学习而言，比方说分类问题，[x1

x2x3]是feature。

对于二分类问题,label经过one-hot编码之后就会是[0,1]或者[1,0]。

一般情况下，我们会考虑将数据组织在csv文件中,一行代表一个sample。

然后使用队列的方式去读取数据说明：

对于该数据,前三列代表的是feature，因为是分类问题,后两列就是经过one-hot编码之后得到的label

使用队列读取该csv文件的代码如下：

[python]viewplaincopy#-*-coding:

utf-8-*-importtensorflowastf#生成一个先入先出队列和一个QueueRunner,生成文件名队列filenames=['A.csv']filename_queue=tf.train.string_input_producer（filenames,shuffle=False）#定义Readerreader=tf.TextLineReader（）key,value=reader.read（filename_queue）#定义Decoderrecord_defaults=[[1],[1],[1],[1],[1]]col1,col2,col3,col4,col5=tf.decode_csv（value,record_defaults=record_defaults）features=tf.pack（[col1,col2,col3]）label=tf.pack（[col4,col5]）example_batch,label_batch=tf.train.shuffle_batch（[features,label],batch_size=2,capacity=200,min_after_dequeue=100,num_threads=2）#运行Graphwithtf.Session（）assess:

coord=tf.train.Coordinator（）#创建一个协调器，管理线程threads=tf.train.start_queue_runners（coord=coord）#启动QueueRunner,此时文件名队列已经进队。

foriinrange（10）:

e_val,l_val=sess.run（[example_batch,label_batch]）printe_val,l_valcoord.request_stop（）coord.join（threads）

输出结果如下：

说明：

record_defaults=[[1],[1],[1],[1],[1]]

代表解析的模板,每个样本有5列，在数据中是默认用‘，’隔开的，然后解析的标准是[1]，也即每一列的数值都解析为整型。

[1.0]就是解析为浮点，['null']解析为string类型