tensorflow入門:TFRecordDataset變長數(shù)據(jù)的batch讀取詳解

更新時間：2020年01月20日 10:43:29 作者：yeqiustu

今天小編就為大家分享一篇tensorflow入門:TFRecordDataset變長數(shù)據(jù)的batch讀取詳解，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧

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(shù)據(jù)的長度不一樣（常見于語音、視頻、NLP等領(lǐng)域），則不能直接用batch方法獲取數(shù)據(jù)，這時則有兩個解決辦法：

1.在把數(shù)據(jù)寫入tfrecord時，先把數(shù)據(jù)pad到統(tǒng)一的長度再寫入tfrecord；這個方法的問題在于：若是有大量數(shù)據(jù)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(shù)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(shù)據(jù)、list數(shù)據(jù)、array數(shù)據(jù)，則padded_shapes=([], [mx_length], [d1,...,dn])；該方法的函數(shù)說明如下：

padded_batch(
 batch_size,
 padded_shapes,
 padding_values=None #默認使用各類型數(shù)據(jù)的默認值，一般使用時可忽略該項
)

使用mnist數(shù)據(jù)來舉例說明，首先在把mnist寫入tfrecord之前，把mnist數(shù)據(jù)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(shù)據(jù)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(shù)據(jù)，在解析數(shù)據(jù)時用到tf.VarLenFeature(tf.datatype)，而非tf.FixedLenFeature([], tf.datatype)}，且要配合tf.sparse_tensor_to_dense函數(shù)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(shù)進行轉(zhuǎn)換
 label = tf.reshape(feats['label'],[2,5]) #把label變成[2,5]，以說明array數(shù)據(jù)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(shù)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(shù)據(jù)的batch讀取詳解就是小編分享給大家的全部內(nèi)容了，希望能給大家一個參考，也希望大家多多支持腳本之家。

您可能感興趣的文章: