TensorFlow数据读取方法
2017-03-30 11:02
337 查看
转自:http://honggang.io/2016/08/19/tensorflow-data-reading/
Tensorflow的数据读取有三种方式:
Preloaded data: 预加载数据
Feeding: Python产生数据,再把数据喂给后端。
Reading from file: 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。
在设计Graph的时候,x1和x2就被定义成了两个有值的列表,在计算y的时候直接取x1和x2的值。
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
Preload:
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。
Feeding:
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。
在上图中,首先由一个单线程把文件名堆入队列,两个Reader同时从队列中取文件名并读取数据,Decoder将读出的数据解码后堆入样本队列,最后单个或批量取出样本(图中没有展示样本出列)。我们这里通过三段代码逐步实现上图的数据流,这里我们不使用随机,让结果更清晰。
在迭代控制中,记得添加
引言
Tensorflow的数据读取有三种方式:Preloaded data: 预加载数据
Feeding: Python产生数据,再把数据喂给后端。
Reading from file: 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。
Preload与Feeding
Preload
12345678910 | import tensorflow as tf# 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ywith tf.Session() as sess: print sess.run(y) |
Feeding
1234567891011121314 | import tensorflow as tf# 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ywith tf.Session() as sess: print sess.run(y, feed_dict={x1: li1, x2: li2}) |
sess.run()中的
feed_dict参数,将Python产生的数据喂给后端,并计算y。
两种方法的区别
Preload: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。
Feeding:
用占位符替代数据,待运行的时候填充数据。
Reading
From File
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。在上图中,首先由一个单线程把文件名堆入队列,两个Reader同时从队列中取文件名并读取数据,Decoder将读出的数据解码后堆入样本队列,最后单个或批量取出样本(图中没有展示样本出列)。我们这里通过三段代码逐步实现上图的数据流,这里我们不使用随机,让结果更清晰。
文件准备
1234567 | $ 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$ cat A.csvAlpha1,A1Alpha2,A2Alpha3,A3 |
单个Reader,单个样本
1234567891011121314151617181920212223242526272829303132 | import tensorflow as tf# 生成一个先入先出队列和一个QueueRunnerfilenames = ['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']])# 运行Graphwith tf.Session() as sess: 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。 for i in range(10): print example.eval() #取样本的时候,一个Reader先从文件名队列中取出文件名,读出数据,Decoder解析后进入样本队列。 coord.request_stop() coord.join(threads)# outptAlpha1Alpha2Alpha3Bee1Bee2Bee3Sea1Sea2Sea3Alpha1 |
单个Reader,多个样本
12345678910111213141516171819202122232425262728293031323334 | import tensorflow as tffilenames = ['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)with tf.Session() as sess: coord = tf.train.Coordinator() threads = tf.train.start_queue_runners(coord=coord) for i in range(10): print example_batch.eval() coord.request_stop() coord.join(threads)# output# ['Alpha1' 'Alpha2' 'Alpha3' 'Bee1' 'Bee2']# ['Bee3' 'Sea1' 'Sea2' 'Sea3' 'Alpha1']# ['Alpha2' 'Alpha3' 'Bee1' 'Bee2' 'Bee3']# ['Sea1' 'Sea2' 'Sea3' 'Alpha1' 'Alpha2']# ['Alpha3' 'Bee1' 'Bee2' 'Bee3' 'Sea1']# ['Sea2' 'Sea3' 'Alpha1' 'Alpha2' 'Alpha3']# ['Bee1' 'Bee2' 'Bee3' 'Sea1' 'Sea2']# ['Sea3' 'Alpha1' 'Alpha2' 'Alpha3' 'Bee1']# ['Bee2' 'Bee3' 'Sea1' 'Sea2' 'Sea3']# ['Alpha1' 'Alpha2' 'Alpha3' 'Bee1' 'Bee2'] |
多Reader,多个样本
1234567891011121314151617181920212223242526272829303132333435 | import tensorflow as tffilenames = ['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']]example_list = [tf.decode_csv(value, record_defaults=record_defaults) for _ in range(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)with tf.Session() as sess: coord = tf.train.Coordinator() threads = tf.train.start_queue_runners(coord=coord) for i in range(10): print example_batch.eval() coord.request_stop() coord.join(threads) # output# ['Alpha1' 'Alpha2' 'Alpha3' 'Bee1' 'Bee2']# ['Bee3' 'Sea1' 'Sea2' 'Sea3' 'Alpha1']# ['Alpha2' 'Alpha3' 'Bee1' 'Bee2' 'Bee3']# ['Sea1' 'Sea2' 'Sea3' 'Alpha1' 'Alpha2']# ['Alpha3' 'Bee1' 'Bee2' 'Bee3' 'Sea1']# ['Sea2' 'Sea3' 'Alpha1' 'Alpha2' 'Alpha3']# ['Bee1' 'Bee2' 'Bee3' 'Sea1' 'Sea2']# ['Sea3' 'Alpha1' 'Alpha2' 'Alpha3' 'Bee1']# ['Bee2' 'Bee3' 'Sea1' 'Sea2' 'Sea3']# ['Alpha1' 'Alpha2' 'Alpha3' 'Bee1' 'Bee2'] |
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。
迭代控制
123456789101112131415161718192021222324252627282930313233343536 | filenames = ['A.csv', 'B.csv', 'C.csv']filename_queue = tf.train.string_input_producer(filenames, shuffle=False, num_epochs=3) # num_epoch: 设置迭代数reader = tf.TextLineReader()key, value = reader.read(filename_queue)record_defaults = [['null'], ['null']]example_list = [tf.decode_csv(value, record_defaults=record_defaults) for _ in range(2)]example_batch, label_batch = tf.train.batch_join( example_list, batch_size=5)init_local_op = tf.initialize_local_variables()with tf.Session() as sess: sess.run(init_local_op) # 初始化本地变量 coord = tf.train.Coordinator() threads = tf.train.start_queue_runners(coord=coord) try: while not coord.should_stop(): print example_batch.eval() except tf.errors.OutOfRangeError: print('Epochs Complete!') finally: coord.request_stop() coord.join(threads) coord.request_stop() coord.join(threads)# output# ['Alpha1' 'Alpha2' 'Alpha3' 'Bee1' 'Bee2']# ['Bee3' 'Sea1' 'Sea2' 'Sea3' 'Alpha1']# ['Alpha2' 'Alpha3' 'Bee1' 'Bee2' 'Bee3']# ['Sea1' 'Sea2' 'Sea3' 'Alpha1' 'Alpha2']# ['Alpha3' 'Bee1' 'Bee2' 'Bee3' 'Sea1']# Epochs Complete! |
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。
相关文章推荐
- TensorFlow高效读取数据的方法
- Tensorflow中使用tfrecord方式读取数据的方法
- TensorFlow高效读取数据的方法
- TensorFlow高效读取数据的方法
- TensorFlow读取数据的方法
- TensorFlow学习笔记5——TensorFlow高效读取数据的方法
- TensorFlow学习笔记(二十二) tensorflow数据读取方法总结
- TensorFlow 读取数据的几种方法
- TensorFlow高效读取数据的方法
- TensorFlow高效读取数据的方法
- TensorFlow高效读取数据的方法示例
- 【转】内存地址数据读取:最准确的判断方法
- ID卡读取方法(用于区分ID卡读取出来的数据和一般人手录入的数据)
- ID卡读取方法(用于区分ID卡读取出来的数据和一般人手录入的数据)
- php从数据库中读取数据生成xml文件的方法
- 从网站上读取数据的方法
- 解决方法:ASP读取数据库中的中文数据出现乱码的问题
- php从数据库中读取数据生成xml文件的方法
- 三种方法ASP读取大量数据的速度比较
- MIT-BIH ECG 信号的数据读取方法和Matlab程序