TFRecord格式存储数据与队列读取实例

更新时间：2020-08-22 21:54:02 作者：startmvc

TensorFlow官方网站上提供三种读取数据的方法1.预加载数据：在TensorFlow图中定义常量或变量

Tensor Flow官方网站上提供三种读取数据的方法

1. 预加载数据：在Tensor Flow图中定义常量或变量来保存所有数据,将数据直接嵌到数据图中，当训练数据较大时，很消耗内存。

如


x1=tf.constant([0,1])
x2=tf.constant([1,0])
y=tf.add(x1,x2)

2.填充数据：使用sess.run()的feed_dict参数，将Python产生的数据填充到后端，之前的MNIST数据集就是通过这种方法。也有消耗内存，数据类型转换耗时的缺点。

3. 从文件读取数据：从文件中直接读取，让队列管理器从文件中读取数据。分为两步

先把样本数据写入TFRecords二进制文件

再从队列中读取

TFRecord是TensorFlow提供的一种统一存储数据的二进制文件，能更好的利用内存，更方便的复制和移动，并且不需要单独的标记文件。下面通过代码来将MNIST转换成TFRecord的数据格式，其他数据集也类似。


#生成整数型的属性
def _int64_feature(value):
 return tf.train.Feature(int64_list=tf.train.Int64List(value=[value]))
#生成字符串型的属性
def _bytes_feature(value):
 return tf.train.Feature(bytes_list=tf.train.BytesList(value=[value]))
def convert_to(data_set,name):
 '''
 将数据填入到tf.train.Example的协议缓冲区（protocol buffer)中，将协议缓冲区序列
 化为一个字符串，通过tf.python_io.TFRecordWriter写入TFRecords文件 
 '''
 images=data_set.images
 labels=data_set.labels
 num_examples=data_set.num_examples
 if images.shape[0]!=num_examples:
 raise ValueError ('Imagessize %d does not match label size %d.'\
 %(images.shape[0],num_examples))
 rows=images.shape[1] #28
 cols=images.shape[2] #28
 depth=images.shape[3] #1 是黑白图像

 filename = os.path.join(FLAGS.directory, name + '.tfrecords')
 #使用下面语句就会将三个文件存储为一个TFRecord文件,当数据量较大时，最好将数据写入多个文件
 #filename="C:/Users/dbsdz/Desktop/TF练习/TFRecord"
 print('Writing',filename)
 writer=tf.python_io.TFRecordWriter(filename)
 for index in range(num_examples):
 image_raw=images[index].tostring() #将图像矩阵化为一个字符串

 #写入协议缓冲区，height、width、depth、label编码成int 64类型，image——raw编码成二进制
 example=tf.train.Example(features=tf.train.Features(feature={
 'height':_int64_feature(rows),
 'width':_int64_feature(cols),
 'depth':_int64_feature(depth),
 'label':_int64_feature(int(labels[index])),
 'image_raw':_bytes_feature(image_raw)}))
 writer.write(example.SerializeToString()) #序列化字符串
 writer.close()

上面程序可以将MNIST数据集中所有的训练数据存储到三个TFRecord文件中。结果如下图

从队列中TFRecord文件，过程分三步

1. 创建张量，从二进制文件中读取一个样本

2. 创建张量，从二进制文件中随机读取一个mini-batch

3. 把每一批张量传入网络作为输入节点

具体代码如下


def read_and_decode(filename_queue): #输入文件名队列
 reader=tf.TFRecordReader()
 _,serialized_example=reader.read(filename_queue)
 #解析一个example,如果需要解析多个样例，使用parse_example函数
 features=tf.parse_single_example( 
 serialized_example,
 #必须写明feature里面的key的名称
 features={
 #TensorFlow提供两种不同的属性解析方法，一种方法是tf.FixedLenFeature, 
 #这种方法解析的结果为一个Tensor。另一个方法是tf.VarLenFeature,
 #这种方法得到的解析结果为SparseTensor,用于处理稀疏数据。
 #这里解析数据的格式需要和上面程序写入数据的格式一致
 'image_raw':tf.FixedLenFeature([],tf.string),#图片是string类型
 'label':tf.FixedLenFeature([],tf.int64), #标记是int64类型
 })
 #对于BytesList,要重新进行编码，把string类型的0维Tensor变成uint8类型的一维Tensor
 image = tf.decode_raw(features['image_raw'], tf.uint8)
 image.set_shape([IMAGE_PIXELS])
 #tensor("input/DecodeRaw:0",shape=(784,),dtype=uint8)

 #image张量的形状为：tensor("input/sub:0",shape=(784,),dtype=float32)
 image = tf.cast(image, tf.float32) * (1. / 255) - 0.5

 #把标记从uint8类型转换为int32类性
 #label张量的形状为tensor（“input/cast_1:0",shape=(),dtype=int32)
 label = tf.cast(features['label'], tf.int32)
 return image,label
def inputs(train,batch_size,num_epochs):
 #输入参数：
 #train：选择输入训练数据/验证数据
 #batch_size:训练的每一批有多少个样本
 #num_epochs:过几遍数据，设置为0/None表示永远训练下去
 '''
 返回结果： A tuple (images,labels)
 *images:类型为float，形状为【batch_size,mnist.IMAGE_PIXELS],范围【-0.5，0.5】。
 *label:类型为int32，形状为【batch_size],范围【0，mnist.NUM_CLASSES]
 注意tf.train.QueueRunner必须用tf.train.start_queue_runners()来启动线程

 '''
 if not num_epochs:num_epochs=None
 #获取文件路径，即./MNIST_data/train.tfrecords,./MNIST_data/validation.records
 filename=os.path.join(FLAGS.train_dir,TRAIN_FILE if train else VALIDATION_FILE)
 with tf.name_scope('input'):
 #tf.train.string_input_producer返回一个QueueRunner,里面有一个FIFOQueue
 filename_queue=tf.train.string_input_producer(#如果样本量很大，可以分成若干文件，把文件名列表传入
 [filename],num_epochs=num_epochs) 
 image,label=read_and_decode(filename_queue)
 #随机化example,并把它们整合成batch_size大小
 #tf.train.shuffle_batch生成了RandomShuffleQueue,并开启两个线程
 images,sparse_labels=tf.train.shuffle_batch(
 [image,label],batch_size=batch_size,num_threads=2,
 capacity=1000+3*batch_size,
 min_after_dequeue=1000) #留下一部分队列，来保证每次有足够的数据做随机打乱
 return images,sparse_labels

最后，构建一个三层的神经网络，包含两层卷积层以及一层使用SoftMax层，附上完整代码如下


# -*- coding: utf-8 -*-
"""
Created on Sun Apr 8 11:06:16 2018

@author: dbsdz

https://blog.csdn.net/xy2953396112/article/details/54929073
"""
import tensorflow as tf
import os
import time
import math
from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)


# Basic model parameters as external flags. 
flags = tf.app.flags 
flags.DEFINE_float('learning_rate', 0.01, 'Initial learning rate.') 
flags.DEFINE_integer('hidden1', 128, 'Number of units in hidden layer 1.') 
flags.DEFINE_integer('hidden2', 32, 'Number of units in hidden layer 2.') 
flags.DEFINE_integer('batch_size', 100, 'Batch size. ' 
 'Must divide evenly into the dataset sizes.') 
flags.DEFINE_string('train_dir', 'Mnist_data/', 'Directory to put the training data.') 
flags.DEFINE_string('directory', './MNIST_data',
 'Directory to download data files and write the '
 'converted result')
flags.DEFINE_integer('validation_size', 5000,
 'Number of examples to separate from the training '
 'data for the validation set.')
flags.DEFINE_integer('num_epochs',10,'num_epochs set')
FLAGS = tf.app.flags.FLAGS
IMAGE_SIZE = 28
IMAGE_PIXELS = IMAGE_SIZE * IMAGE_SIZE #图片像素728
TRAIN_FILE = "train.tfrecords"
VALIDATION_FILE="validation.tfrecords"
#生成整数型的属性
def _int64_feature(value):
 return tf.train.Feature(int64_list=tf.train.Int64List(value=[value]))
#生成字符串型的属性
def _bytes_feature(value):
 return tf.train.Feature(bytes_list=tf.train.BytesList(value=[value]))
def convert_to(data_set,name):
 '''
 将数据填入到tf.train.Example的协议缓冲区（protocol buffer)中，将协议缓冲区序列
 化为一个字符串，通过tf.python_io.TFRecordWriter写入TFRecords文件 
 '''
 images=data_set.images
 labels=data_set.labels
 num_examples=data_set.num_examples
 if images.shape[0]!=num_examples:
 raise ValueError ('Imagessize %d does not match label size %d.'\
 %(images.shape[0],num_examples))
 rows=images.shape[1] #28
 cols=images.shape[2] #28
 depth=images.shape[3] #1 是黑白图像

 filename = os.path.join(FLAGS.directory, name + '.tfrecords')
 #使用下面语句就会将三个文件存储为一个TFRecord文件,当数据量较大时，最好将数据写入多个文件
 #filename="C:/Users/dbsdz/Desktop/TF练习/TFRecord"
 print('Writing',filename)
 writer=tf.python_io.TFRecordWriter(filename)
 for index in range(num_examples):
 image_raw=images[index].tostring() #将图像矩阵化为一个字符串

 #写入协议缓冲区，height、width、depth、label编码成int 64类型，image——raw编码成二进制
 example=tf.train.Example(features=tf.train.Features(feature={
 'height':_int64_feature(rows),
 'width':_int64_feature(cols),
 'depth':_int64_feature(depth),
 'label':_int64_feature(int(labels[index])),
 'image_raw':_bytes_feature(image_raw)}))
 writer.write(example.SerializeToString()) #序列化字符串
 writer.close()


def inference(images, hidden1_units, hidden2_units):
 with tf.name_scope('hidden1'):
 weights = tf.Variable(
 tf.truncated_normal([IMAGE_PIXELS, hidden1_units],
 stddev=1.0 / math.sqrt(float(IMAGE_PIXELS))),name='weights')
 biases = tf.Variable(tf.zeros([hidden1_units]),name='biases')
 hidden1 = tf.nn.relu(tf.matmul(images, weights) + biases)
 with tf.name_scope('hidden2'):
 weights = tf.Variable(
 tf.truncated_normal([hidden1_units, hidden2_units],
 stddev=1.0 / math.sqrt(float(hidden1_units))),
 name='weights')
 biases = tf.Variable(tf.zeros([hidden2_units]),
 name='biases')
 hidden2 = tf.nn.relu(tf.matmul(hidden1, weights) + biases)
 with tf.name_scope('softmax_linear'):
 weights = tf.Variable(
 tf.truncated_normal([hidden2_units,FLAGS.num_epochs],
 stddev=1.0 / math.sqrt(float(hidden2_units))),name='weights')
 biases = tf.Variable(tf.zeros([FLAGS.num_epochs]),name='biases')
 logits = tf.matmul(hidden2, weights) + biases
 return logits
def lossFunction(logits, labels):
 labels = tf.to_int64(labels)
 cross_entropy = tf.nn.sparse_softmax_cross_entropy_with_logits(
 logits=logits, labels=labels, name='xentropy')
 loss = tf.reduce_mean(cross_entropy, name='xentropy_mean')
 return loss
def training(loss, learning_rate):
 tf.summary.scalar(loss.op.name, loss)
 optimizer = tf.train.GradientDescentOptimizer(learning_rate)
 global_step = tf.Variable(0, name='global_step', trainable=False)
 train_op = optimizer.minimize(loss, global_step=global_step)
 return train_op
def read_and_decode(filename_queue): #输入文件名队列
 reader=tf.TFRecordReader()
 _,serialized_example=reader.read(filename_queue)
 #解析一个example,如果需要解析多个样例，使用parse_example函数
 features=tf.parse_single_example( 
 serialized_example,
 #必须写明feature里面的key的名称
 features={
 #TensorFlow提供两种不同的属性解析方法，一种方法是tf.FixedLenFeature, 
 #这种方法解析的结果为一个Tensor。另一个方法是tf.VarLenFeature,
 #这种方法得到的解析结果为SparseTensor,用于处理稀疏数据。
 #这里解析数据的格式需要和上面程序写入数据的格式一致
 'image_raw':tf.FixedLenFeature([],tf.string),#图片是string类型
 'label':tf.FixedLenFeature([],tf.int64), #标记是int64类型
 })
 #对于BytesList,要重新进行编码，把string类型的0维Tensor变成uint8类型的一维Tensor
 image = tf.decode_raw(features['image_raw'], tf.uint8)
 image.set_shape([IMAGE_PIXELS])
 #tensor("input/DecodeRaw:0",shape=(784,),dtype=uint8)

 #image张量的形状为：tensor("input/sub:0",shape=(784,),dtype=float32)
 image = tf.cast(image, tf.float32) * (1. / 255) - 0.5

 #把标记从uint8类型转换为int32类性
 #label张量的形状为tensor（“input/cast_1:0",shape=(),dtype=int32)
 label = tf.cast(features['label'], tf.int32)
 return image,label

def inputs(train,batch_size,num_epochs):
 #输入参数：
 #train：选择输入训练数据/验证数据
 #batch_size:训练的每一批有多少个样本
 #num_epochs:过几遍数据，设置为0/None表示永远训练下去
 '''
 返回结果： A tuple (images,labels)
 *images:类型为float，形状为【batch_size,mnist.IMAGE_PIXELS],范围【-0.5，0.5】。
 *label:类型为int32，形状为【batch_size],范围【0，mnist.NUM_CLASSES]
 注意tf.train.QueueRunner必须用tf.train.start_queue_runners()来启动线程

 '''
 if not num_epochs:num_epochs=None
 #获取文件路径，即./MNIST_data/train.tfrecords,./MNIST_data/validation.records
 filename=os.path.join(FLAGS.train_dir,TRAIN_FILE if train else VALIDATION_FILE)
 with tf.name_scope('input'):
 #tf.train.string_input_producer返回一个QueueRunner,里面有一个FIFOQueue
 filename_queue=tf.train.string_input_producer(#如果样本量很大，可以分成若干文件，把文件名列表传入
 [filename],num_epochs=num_epochs) 
 image,label=read_and_decode(filename_queue)
 #随机化example,并把它们整合成batch_size大小
 #tf.train.shuffle_batch生成了RandomShuffleQueue,并开启两个线程
 images,sparse_labels=tf.train.shuffle_batch(
 [image,label],batch_size=batch_size,num_threads=2,
 capacity=1000+3*batch_size,
 min_after_dequeue=1000) #留下一部分队列，来保证每次有足够的数据做随机打乱
 return images,sparse_labels
def run_training():
 with tf.Graph().as_default():
 #输入images和labels
 images,labels=inputs(train=True,batch_size=FLAGS.batch_size,
 num_epochs=3) #num_epochs就是训练的轮数 
 #构建一个从推理模型来预测数据的图
 logits=inference(images,FLAGS.hidden1,FLAGS.hidden2)
 loss=lossFunction(logits,labels) #定义损失函数
 #Add to the Graph operations that train the model
 train_op=training(loss,FLAGS.learning_rate)
 #初始化参数，特别注意：string——input_producer内部创建了一个epoch计数变量
 #归入tf.graphkey.local_variables集合中，必须单独用initialize_local_variables()初始化
 init_op=tf.group(tf.global_variables_initializer(),
 tf.local_variables_initializer())
 sess=tf.Session()
 sess.run(init_op)
 #Start input enqueue threads
 coord =tf.train.Coordinator()
 threads=tf.train.start_queue_runners(sess=sess,coord=coord)
 try:
 step=0
 while not coord.should_stop(): #进入永久循环
 start_time=time.time()
 _,loss_value=sess.run([train_op,loss])

 #每100次训练输出一次结果
 if step % 100 ==0:
 duration=time.time()-start_time
 print('Step %d: loss=%.2f (%.3f sec)'%(step,loss_value,duration))
 step+=1
 except tf.errors.OutOfRangeError:
 print('Done training for %d epochs,%d steps.'%(FLAGS.num_epochs,step))
 finally:
 coord.request_stop()#通知其他线程关闭
 coord.join(threads)
 sess.close()

def main(unused_argv):

 #获取数据
 data_sets=input_data.read_data_sets(FLAGS.directory,dtype=tf.uint8,reshape=False,
 validation_size=FLAGS.validation_size)

 #将数据转换成tf.train.Example类型，并写入TFRecords文件

 convert_to(data_sets.train,'train')

 convert_to(data_sets.validation,'validation')

 convert_to(data_sets.test,'test')
 print('convert finished')
 run_training()

if __name__ == '__main__':
 tf.app.run()

运行结果如图