TFRecords文件的生成和读取（1）
参考：https://blog.csdn.net/u012222949/article/details/72875281
参考：https://blog.csdn.net/chengshuhao1991/article/details/78656724
参考：https://zhuanlan.zhihu.com/p/27238630
tfrecords文件的存储：
将其他数据存储为tfrecord文件的时候，需要进行两个步骤：
建立tfrecord存储器
构造每个样本的Example模块
1、构建tfrecord存储器
实现建立存储器的函数为：
tf.python_io.TFRecordWriter(path) #写入tfrecord文件 #path为tfrecord的存储路径
2、构造每个样本的example模块
Example协议块的规则如下：
message Example { Features features = 1; }; message Features { map<string, Feature> feature = 1; }; message Feature { oneof kind { BytesList bytes_list = 1; FloatList float_list = 2; Int64List int64_list = 3; } };
其中实现的几个函数如下所示：
def _int64_feature(value): return tf.train.Feature(int64_list=tf.train.Int64List(value=[value])) tf.train.Example(features=tf.train.Features(feature={'i':_int64_feature(1),'j':_int64_feature(2)}))
#或者直接写成
tf.train.Example(features=tf.train.Features(feature={'i':tf.train.Feature(int64_list=tf.train.Int64List(value=[1])),'j':tf.train.Feature(int64_list=tf.train.Int64List(value=[2]))})) #返回结果如下 features { feature { key: "i" value { int64_list { value: 1 } } } feature { key: "j" value { int64_list { value: 2 } } } }
tf.train.Example(features = None) #用于写入tfrecords文件 #features ： tf.train.Features类型的特征实例 #返回example协议格式块
tf.train.Features(feature = None) #用于构造每个样本的信息键值对 #feature : 字典数据，key为要保存的名字，value为tf.train.Feature实例 #返回Features类型
tf.train.Feature(**options) #options可选的三种数据格式： bytes_list = tf.train.BytesList(value = [Bytes]) int64_list = tf.train.Int64List(value = [Value]) float_list = tf.trian.FloatList(value = [Value])
writer=tf.python_io.TFRecordWriter(filename) example=tf.train.Example(features=tf.train.Features(feature={'i':_int64_feature(i),'j':_int64_feature(j)})) writer.write(example.SerializeToString()) #序列转换成字符串 #如上读文件与如下写文件对应 filename_queue=tf.train.string_input_producer(files,shuffle=False) #传入文件名list，系统将其转化为文件名queue reader=tf.TFRecordReader() _,serialized=reader.read(filename_queue) features=tf.parse_single_example(serialized,features={'i':tf.FixedLenFeature([],tf.int64),'j':tf.FixedLenFeature([],tf.int64)}) #tf.TFRecordReader()的parse_single_example()解析器，用于将Example协议内存块解析为张量 i,j=features['i'],features['j']
最终将图片数据转换成tfrecords的例子，即对每个样本都作如下处理：
example = tf.train.Example(feature = tf.train.Features(feature= {"image":tf.train.Feature(bytes_list=tf.train.BytesList(value=[image(bytes)]))
,"label":tf.train.Feature(int64_list=tf.train.Int64List(value=[label(int)]))}))
例1、将图片文件转换成tfrecord文件（具体代码实现）：
import matplotlib.pyplot as plt import matplotlib.image as mpimg import numpy as np import tensorflow as tf import pandas as pd def get_label_from_filename(filename): return 1 filenames = tf.train.match_filenames_once('C:/Users/1/Desktop/3/*.jpg') writer = tf.python_io.TFRecordWriter('C:/Users/1/Desktop/png_train.tfrecords') with tf.Session() as sess: #使用match_filenames_once函数需要用tf.local_variables_initializer()函数来实现变量的初始化 sess.run([tf.global_variables_initializer(),tf.local_variables_initializer()]) filenames=(sess.run(filenames)) print(filenames)
#获取的字符串为前面带b：bytes的字符串，类似于字符串前带u：unicode的字符串
#其中从字符串转化成unicode编码的过称为：str.decode('utf-8')，从unicode转化成字符串为：str.encode('utf-8')，因此对如下做同样操作 for filename in filenames: img=mpimg.imread(filename.decode('utf-8')) print("{} shape is {}".format(filename, img.shape)) img_raw = img.tostring() label = get_label_from_filename(filename) example = tf.train.Example( features=tf.train.Features( feature={ "image_raw": tf.train.Feature(bytes_list=tf.train.BytesList(value=[image_raw])), "label": tf.train.Feature(int64_list=tf.train.Int64List(value=[label])) } ) ) writer.write(record=example.SerializeToString()) #序列转换成字符串 writer.close()
glob包的介绍：
用于获取所有匹配的文件路径列表
import glob glob.glob("/home/zikong/doc/*.doc") #返回结果如下： /home/zikong/doc/file1.doc /home/zikong/doc/file2.doc
例2、tfrecord文件的生成：
from random import shuffle import numpy as np import glob import tensorflow as tf import cv2 import sys import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' shuffle_data = True image_path = '/path/to/image/*.jpg' # 取得该路径下所有图片的路径，type（addrs）= list addrs = glob.glob(image_path) # 标签数据的获得具体情况具体分析，type（labels）= list labels = ... # 这里是打乱数据的顺序 if shuffle_data: c = list(zip(addrs, labels)) #将两列元素进行组合 shuffle(c) #random包的shuffle函数进行打乱处理 addrs, labels = zip(*c) #将组合后的元素再进行拆分 # 按需分割数据集 train_addrs = addrs[0:int(0.7*len(addrs))] train_labels = labels[0:int(0.7*len(labels))] val_addrs = addrs[int(0.7*len(addrs)):int(0.9*len(addrs))] val_labels = labels[int(0.7*len(labels)):int(0.9*len(labels))] test_addrs = addrs[int(0.9*len(addrs)):] test_labels = labels[int(0.9*len(labels)):] # 上面不是获得了image的地址么，下面这个函数就是根据地址获取图片 def load_image(addr): # A function to Load image img = cv2.imread(addr) img = cv2.resize(img, (224, 224), interpolation=cv2.INTER_CUBIC) img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) # 这里/255是为了将像素值归一化到[0，1] img = img / 255. img = img.astype(np.float32) return img # 将数据转化成对应的属性 def _int64_feature(value): return tf.train.Feature(int64_list=tf.train.Int64List(value=[value])) def _bytes_feature(value): return tf.train.Feature(bytes_list=tf.train.BytesList(value=[value])) def _float_feature(value): return tf.train.Feature(float_list=tf.train.FloatList(value=[value])) # 下面这段就开始把数据写入TFRecods文件 train_filename = '/path/to/train.tfrecords' # 输出文件地址 # 创建一个writer来写 TFRecords 文件 writer = tf.python_io.TFRecordWriter(train_filename) for i in range(len(train_addrs)): # 这是写入操作可视化处理 if not i % 1000: print('Train data: {}/{}'.format(i, len(train_addrs))) sys.stdout.flush() # 加载图片 img = load_image(train_addrs[i]) label = train_labels[i] # 创建一个属性（feature） feature = {'train/label': _int64_feature(label), 'train/image': _bytes_feature(tf.compat.as_bytes(img.tostring()))} # 创建一个 example protocol buffer example = tf.train.Example(features=tf.train.Features(feature=feature)) # 将上面的example protocol buffer写入文件 writer.write(example.SerializeToString()) #序列转换成字符串 writer.close() sys.stdout.flush()
例3、从MNIST输入数据转化为TFRecord的格式，以及将如何读取TFRecords文件中的数据
从MNIST输入数据转化为TFRecord格式：
import tensorflow as tf from tensorflow.examples.tutorials.mnist import input_data import numpy as np def _int64_feature(value): return tf.train.Feature(int64_list=tf.train.Int64List(value=[value])) def _bytes_feature(value): return tf.train.Feature(bytes_list=tf.train.BytesList(value=[value])) mnist=input_data.read_data_sets('C:/Users/1/Desktop/data',dtype=tf.uint8,one_hot=True) images=mnist.train.images labels=mnist.train.labels pixels=images.shape[1] num_examples=mnist.train.num_examples #输出TFRecord文件地址 filename='C:/Users/1/Desktop/data/output.tfrecords' writer=tf.python_io.TFRecordWriter(filename) for index in range(num_examples): image_raw=images[index].tostring() example=tf.train.Example(features=tf.train.Features(feature={'pixels':_int64_feature(pixels),'label':_int64_feature(np.argmax(labels[index])),'image_raw':_bytes_feature(image_raw)})) writer.write(example.SerializeToString()) #序列转换成字符串 writer.close()
以上程序部分将MNIST数据集中所有的训练数据存储到TFRecord文件中，当数据量较大时，也可以将数据写入多个TFRecord文件
例4、读取TFRecord文件中的数据：
import tensorflow as tf reader=tf.TFRecordReader() filename_queue=tf.train.string_input_producer(['C:/Users/1/Desktop/data/output.tfrecords']) #tf.train.string_input_producer()和下面的tf.train.start_queue_runners()相对应，前者创建输入队列，后者启动队列 _,serialized_example=reader.read(filename_queue) #从文件中读取一个样例 features=tf.parse_single_example(serialized_example,features={'image_raw':tf.FixedLenFeature([],tf.string),'pixels':tf.FixedLenFeature([],tf.int64),'label':tf.FixedLenFeature([],tf.int64)}) #tf.FixedLenFeature()函数解析得到的结果是一个Tensor images=tf.decode_raw(features['image_raw'],tf.uint8) #tf.decode_raw用于将字符串转换成unit8的张量 labels=tf.cast(features['label'],tf.int32) #将目标变量转换成tf.int32格式 pixels=tf.cast(features['pixels'],tf.int32) #tf.decode_raw可以将字符串解析成图像对应的像素数组 sess=tf.Session() coord=tf.train.Coordinator() threads=tf.train.start_queue_runners(sess=sess,coord=coord) for i in range(10): image,label,pixel=sess.run([images,labels,pixels])
例5、另一个读写TFRecord的例子
import tensorflow as tf def _int64_feature(value): #写TFRecord文件 return tf.train.Feature(int64_list=tf.train.Int64List(value=[value])) num_shards=2 instances_per_shard=2 for i in range(num_shards): filename=('C:/Users/1/Desktop/data/data.tfrecords-%.5d-of-%.5d' %(i,num_shards)) writer=tf.python_io.TFRecordWriter(filename) for j in range(instances_per_shard): example=tf.train.Example(features=tf.train.Features(feature={'i':_int64_feature(i),'j':_int64_feature(j)})) writer.write(example.SerializeToString()) writer.close() #读TFRecord文件 files=tf.train.match_filenames_once('C:/Users/1/Desktop/data/data.tfrecords-*') filename_queue=tf.train.string_input_producer(files,shuffle=False) reader=tf.TFRecordReader() _,serialized_example=reader.read(filename_queue) features=tf.parse_single_example(serialized_example,features={'i':tf.FixedLenFeature([],tf.int64),'j':tf.FixedLenFeature([],tf.int64)}) #tf.parse_single_example用于将Example协议内存块解析为张量
#tf.FixedLenFeature用于解析定长的输入特征feature with tf.Session() as sess: tf.global_variables_initializer().run() tf.local_variables_initializer().run() print(sess.run(files)) coord=tf.train.Coordinator() #创建Coordinator类来协同不同线程 threads=tf.train.start_queue_runners(sess=sess,coord=coord) #启动所有线程 for i in range(6): print(sess.run([features['i'],features['j']])) coord.request_stop() #请求该线程终止 coord.join(threads) #等待被指定的线程终止
组合训练数据：
参考：http://blog.sina.com.cn/s/blog_6ca0f5eb0102wppn.html
#接上 train,label=features['i'],features['j'] train_batch,label_batch=tf.train.batch([train,label],batch_size=3,capacity=1003) #batch_size用于调整一个batch中样本的维度 with tf.Session() as sess: sess.run(tf.global_variables_initializer()) sess.run(tf.local_variables_initializer()) coord=tf.train.Coordinator() threads=tf.train.start_queue_runners(sess=sess,coord=coord) for i in range(2): cur_train,cur_label=sess.run([train_batch,label_batch]) print(cur_train,cur_label) coord.request_stop() coord.join(threads)
tf.train.batch函数用于将单个的数据组织成3个一组的batch，再提供给神经网络的输入层。返回的函数维度为：[batch_size，tensor.shape]，看下面的例子将对该函数有更好的理解。
import tensorflow as tf tensor_list = [[1,2,3,4], [5,6,7,8],[9,10,11,12],[13,14,15,16],[17,18,19,20]] tensor_list2 = [[[1,2,3,4]], [[5,6,7,8]],[[9,10,11,12]],[[13,14,15,16]],[[17,18,19,20]]] tensor_list3=[1,2,3,4] with tf.Session() as sess: x1 = tf.train.batch(tensor_list, batch_size=3, enqueue_many=False) x2 = tf.train.batch(tensor_list, batch_size=3, enqueue_many=True) y1 = tf.train.batch_join(tensor_list, batch_size=3, enqueue_many=False) y2 = tf.train.batch_join(tensor_list2, batch_size=3, enqueue_many=True) z1=tf.train.batch(tensor_list3,batch_size=3,enqueue_many=False) coord = tf.train.Coordinator() threads = tf.train.start_queue_runners(sess=sess, coord=coord) print("x1 batch:"+"-"*10) print(sess.run(x1)) print("x2 batch:"+"-"*10) print(sess.run(x2)) print("y1 batch:"+"-"*10) print(sess.run(y1)) print("y2 batch:"+"-"*10) print(sess.run(y2)) print("-"*10) print(sess.run(z1)) print("-"*10) coord.request_stop() coord.join(threads)
返回结果如下：
x1 batch:---------- [array([[1, 2, 3, 4], #返回的维度为[batch_size，tensor.shape]，这里的batch_size=3 [1, 2, 3, 4], [1, 2, 3, 4]]), array([[5, 6, 7, 8], [5, 6, 7, 8], [5, 6, 7, 8]]), array([[ 9, 10, 11, 12], [ 9, 10, 11, 12], [ 9, 10, 11, 12]]), array([[13, 14, 15, 16], [13, 14, 15, 16], [13, 14, 15, 16]]), array([[17, 18, 19, 20], [17, 18, 19, 20], [17, 18, 19, 20]])] x2 batch:---------- [array([1, 2, 3]), array([5, 6, 7]), array([ 9, 10, 11]), array([13, 14, 15]), array([17, 18, 19])] y1 batch:---------- [array([1, 9, 5]), array([ 2, 10, 6]), array([ 3, 11, 7]), array([ 4, 12, 8])] y2 batch:---------- [1 2 3] ---------- [array([1, 1, 1]), array([2, 2, 2]), array([3, 3, 3]), array([4, 4, 4])] #返回的维度同样为[batch_size，tensor.shape]，但是由于输入数据格式为[1,2,3,4]，因而返回的维度体现在对1的维度转换[1,1,1]，也即[batch_size，tensor.shape] ----------
