轉(zhuǎn)自：http://blog.csdn.net/u012759136/article/details/52232266
參考代碼：https://github.com/ycszen/TensorFlowLaboratory/blob/master/reading_data/example_tfrecords.py
概述
關(guān)于Tensorflow讀取數(shù)據(jù)，官網(wǎng)給出了三種方法：
供給數(shù)據(jù)(Feeding)： 在TensorFlow程序運(yùn)行的每一步， 讓Python代碼來供給數(shù)據(jù)。
從文件讀取數(shù)據(jù)： 在TensorFlow圖的起始， 讓一個(gè)輸入管線從文件中讀取數(shù)據(jù)。
預(yù)加載數(shù)據(jù)： 在TensorFlow圖中定義常量或變量來保存所有數(shù)據(jù)(僅適用于數(shù)據(jù)量比較小的情況)。
對(duì)于數(shù)據(jù)量較小而言，可能一般選擇直接將數(shù)據(jù)加載進(jìn)內(nèi)存，然后再分batch輸入網(wǎng)絡(luò)進(jìn)行訓(xùn)練（tip:使用這種方法時(shí)，結(jié)合yield使用更為簡(jiǎn)潔，大家自己嘗試一下吧，我就不贅述了）。但是，如果數(shù)據(jù)量較大，這樣的方法就不適用了，因?yàn)樘膬?nèi)存，所以這時(shí)最好使用tensorflow提供的隊(duì)列queue，也就是第二種方法從文件讀取數(shù)據(jù)。對(duì)于一些特定的讀取，比如csv文件格式，官網(wǎng)有相關(guān)的描述，在這兒我介紹一種比較通用，高效的讀取方法（官網(wǎng)介紹的少），即使用tensorflow內(nèi)定標(biāo)準(zhǔn)格式——TFRecords
TFRecords其實(shí)是一種二進(jìn)制文件，雖然它不如其他格式好理解，但是它能更好的利用內(nèi)存，更方便復(fù)制和移動(dòng)，并且不需要單獨(dú)的標(biāo)簽文件（等會(huì)兒就知道為什么了）… …總而言之，這樣的文件格式好處多多，所以讓我們用起來吧。
TFRecords文件包含了tf.train.Example協(xié)議內(nèi)存塊(protocol buffer)(協(xié)議內(nèi)存塊包含了字段Features)。我們可以寫一段代碼獲取你的數(shù)據(jù)， 將數(shù)據(jù)填入到Example協(xié)議內(nèi)存塊(protocol buffer)，將協(xié)議內(nèi)存塊序列化為一個(gè)字符串， 并且通過tf.python_io.TFRecordWriter寫入到TFRecords文件。
從TFRecords文件中讀取數(shù)據(jù)， 可以使用tf.TFRecordReader的tf.parse_single_example解析器。這個(gè)操作可以將Example協(xié)議內(nèi)存塊(protocol buffer)解析為張量。
接下來，讓我們開始讀取數(shù)據(jù)之旅吧~
我們使用tf.train.Example來定義我們要填入的數(shù)據(jù)格式，然后使用tf.python_io.TFRecordWriter來寫入。
importosimporttensorflowastffromPILimportImagecwd = os.getcwd()'''
此處我加載的數(shù)據(jù)目錄如下：
0 -- img1.jpg
img2.jpg
img3.jpg
...
1 -- img1.jpg
img2.jpg
...
2 -- ...
這里的0， 1， 2...就是類別，也就是下文中的classes
classes是我根據(jù)自己數(shù)據(jù)類型定義的一個(gè)列表，大家可以根據(jù)自己的數(shù)據(jù)情況靈活運(yùn)用
...
'''writer = tf.python_io.TFRecordWriter("train.tfrecords")forindex, nameinenumerate(classes):? ? class_path = cwd + name +"/"forimg_nameinos.listdir(class_path):? ? ? ? img_path = class_path + img_name? ? ? ? ? ? img = Image.open(img_path)? ? ? ? ? ? img = img.resize((224,224))? ? ? ? img_raw = img.tobytes()#將圖片轉(zhuǎn)化為原生bytesexample = 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())#序列化為字符串writer.close()
關(guān)于ExampleFeature的相關(guān)定義和詳細(xì)內(nèi)容，我推薦去官網(wǎng)查看相關(guān)API。
基本的，一個(gè)Example中包含F(xiàn)eatures，F(xiàn)eatures里包含F(xiàn)eature（這里沒s）的字典。最后，F(xiàn)eature里包含有一個(gè)FloatList， 或者ByteList，或者Int64List
就這樣，我們把相關(guān)的信息都存到了一個(gè)文件中，所以前面才說不用單獨(dú)的label文件。而且讀取也很方便。
接下來是一個(gè)簡(jiǎn)單的讀取小例子：
forserialized_exampleintf.python_io.tf_record_iterator("train.tfrecords"):? ? example = tf.train.Example()? ? example.ParseFromString(serialized_example)? ? image = example.features.feature['image'].bytes_list.value? ? label = example.features.feature['label'].int64_list.value# 可以做一些預(yù)處理之類的printimage, label
一旦生成了TFRecords文件，為了高效地讀取數(shù)據(jù)，TF中使用隊(duì)列（queue）讀取數(shù)據(jù)。
defread_and_decode(filename):#根據(jù)文件名生成一個(gè)隊(duì)列filename_queue = tf.train.string_input_producer([filename])? ? reader = tf.TFRecordReader()? ? _, serialized_example = reader.read(filename_queue)#返回文件名和文件features = tf.parse_single_example(serialized_example,? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? features={'label': tf.FixedLenFeature([], tf.int64),'img_raw': tf.FixedLenFeature([], tf.string),? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? })? ? img = tf.decode_raw(features['img_raw'], tf.uint8)? ? img = tf.reshape(img, [224,224,3])? ? img = tf.cast(img, tf.float32) * (1./255) -0.5label = tf.cast(features['label'], tf.int32)returnimg, label
之后我們可以在訓(xùn)練的時(shí)候這樣使用
img, label = read_and_decode("train.tfrecords")#使用shuffle_batch可以隨機(jī)打亂輸入img_batch, label_batch = tf.train.shuffle_batch([img, label],? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? batch_size=30, capacity=2000,? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? min_after_dequeue=1000)init = tf.initialize_all_variables()withtf.Session()assess:? ? sess.run(init)? ? threads = tf.train.start_queue_runners(sess=sess)foriinrange(3):? ? ? ? val, l= sess.run([img_batch, label_batch])#我們也可以根據(jù)需要對(duì)val， l進(jìn)行處理#l = to_categorical(l, 12)print(val.shape, l)
至此，tensorflow高效從文件讀取數(shù)據(jù)差不多完結(jié)了。
恩？等等…什么叫差不多？對(duì)了，還有幾個(gè)注意事項(xiàng)：
第一，tensorflow里的graph能夠記住狀態(tài)（state），這使得TFRecordReader能夠記住tfrecord的位置，并且始終能返回下一個(gè)。而這就要求我們?cè)谑褂弥埃仨毘跏蓟麄€(gè)graph，這里我們使用了函數(shù)tf.initialize_all_variables()來進(jìn)行初始化。
第二，tensorflow中的隊(duì)列和普通的隊(duì)列差不多，不過它里面的operation和tensor都是符號(hào)型的（symbolic），在調(diào)用sess.run()時(shí)才執(zhí)行。
第三，TFRecordReader會(huì)一直彈出隊(duì)列中文件的名字，直到隊(duì)列為空。
