『TensorFlow』第十一弹_队列&多线程&TFRecod文件_我辈当高歌

TF数据读取队列机制详解

一、TFR文件多线程队列读写操作

TFRecod文件写入操作

import tensorflow as tf
def _int64_feature(value):
    # value必须是可迭代对象
    # 非int的数据使用bytes取代int64即可
    return tf.train.Feature(int64_list=tf.train.Int64List(value=[value]))
num_shards = 2
instance_perPshard = 2
for i in range(num_shards):
    filename = ('FTR/data.tfrecords-%.5d-of-%.5d' % (i, num_shards))
    writer = tf.python_io.TFRecordWriter(filename)                      #<---------书写器打开
    for j in range(instance_perPshard):
        example = tf.train.Example(features=tf.train.Features(feature={ #<---------书写入缓冲区
            'i':_int64_feature(i),
            'j':_int64_feature(j)
        }))
        writer.write(example.SerializeToString())                       #<---------书写入实际文件
    writer.close()                                                      #<---------书写器关闭

TFRecod文件读取操作

默认多线程，这个默认的多线程过程用于维护文件名队列

'''读取TFR'''
 
files = ["FTR/data.tfrecords-00000-of-00002","FTR/data.tfrecords-00001-of-00002"]
# files = tf.train.match_filenames_once("FTR/data.tfrecords-*")
 
# 输入文件名列表
# 返回QueueRunner & FIFOQueue
# 打乱顺序&加入队列 和 输出队列获取文件 属于单独的线程
filename_queue = tf.train.string_input_producer(files, shuffle=False) #<---------输入文件队列
reader = tf.TFRecordReader()                        #<---------读取器打开
_,serialized_example = reader.read(filename_queue)  #<---------读取原始文件
features = tf.parse_single_example(                 #<---------读取解析后文件
    serialized_example,
    features={
        'i':tf.FixedLenFeature([],tf.int64),
        'j':tf.FixedLenFeature([],tf.int64)
    })
 
with tf.Session() as sess:
    tf.global_variables_initializer().run()
    coord = tf.train.Coordinator() #<---------多线程
    threads = tf.train.start_queue_runners(sess=sess,coord=coord) #<---------文件名队列填充线程启动
    for i in range(6):
        print(sess.run([features['i'],features['j']]))            #<---------实际会话中启动读取过程
    coord.request_stop()           #<---------多线程
    coord.join(threads)            #<---------多线程

TFRecod文件打包操作

打包机制：

——————多线程调用前面的节点计算入队

——————批量出队并打包

所以不需要修改解析读取数据过程为循环之类的，可以说很是方便

example_batch, label_batch = tf.train.batch([example, label],     #<---------多线程batch生成
                                            batch_size=batch_size,
                                            num_threads=3,
                                            capacity=capacity)
 
example_batch, label_batch = tf.train.shuffle_batch([example, label],     #<---------多线程随机batch生成
                                            batch_size=batch_size,
                                            num_threads=3,
                                            capacity=capacity,
                                            min_after_dequeue=30)     由于元素太少随机意义就不大了，所以多了个参数

使用范例，

files = ["FTR/data.tfrecords-00000-of-00002","FTR/data.tfrecords-00001-of-00002"]
# files = tf.train.match_filenames_once("FTR/data.tfrecords-*")
 
# 输入文件名列表
# 返回QueueRunner & FIFOQueue
# 打乱顺序&加入队列 和 输出队列获取文件 属于单独的线程
filename_queue = tf.train.string_input_producer(files, shuffle=False) #<---------输入文件队列
reader = tf.TFRecordReader()                        #<---------读取
_,serialized_example = reader.read(filename_queue)  #<---------读取
features = tf.parse_single_example(                 #<---------读取
    serialized_example,
    features={
        'i':tf.FixedLenFeature([],tf.int64),
        'j':tf.FixedLenFeature([],tf.int64)
    })
 
example, label = features['i'], features['j']
batch_size = 2
capacity = 1000 + 3 * batch_size
 
# 入队单个样例，出队batch
# 可以指定多个线程同时执行入队操作
example_batch, label_batch = tf.train.batch([example, label],     #<---------多线程batch生成
                                            batch_size=batch_size,
                                            num_threads=3,
                                            capacity=capacity)
with tf.Session() as sess:
    tf.global_variables_initializer().run()
    coord = tf.train.Coordinator()                                #<---------多线程管理器
    threads = tf.train.start_queue_runners(sess=sess,coord=coord) #<---------文件名队列填充线程启动
    for i in range(3):
        cur_example_batch, cur_label_batch = sess.run([example_batch, label_batch])
        print(cur_example_batch, cur_label_batch)
    coord.request_stop()                                          #<---------多线程关闭
    coord.join(threads)

这个输出每一行前为image（代指），后为label，第一行的数据对实际为0-0,0-1:

[0 0] [0 1]
[1 1] [0 1]
[0 0] [0 1]

二、图片文件使用TFR读写测试

read的二进制数据直接进行_bytes_feature化就可以写入文件，使用tf.string类型读出图片数据后可以直接decode解码之（推测tf中string对应二进制数据类型）。

把一张图片写入TFR中：

import tensorflow as tf
import matplotlib.pyplot as plt
 
def _bytes_feature(value):
    return tf.train.Feature(bytes_list=tf.train.BytesList(value=[value]))
def _int64_feature(value):
    return tf.train.Feature(int64_list=tf.train.Int64List(value=[value]))
img_raw = tf.gfile.FastGFile('123123.jpeg','rb').read()
 
filename = ('FTR/image.tfrecords')
writer = tf.python_io.TFRecordWriter(filename) #<---------书写
example = tf.train.Example(features=tf.train.Features(feature={ #<---------书写
    'image':_bytes_feature(img_raw),
    'label':_int64_feature(1)
    }))
writer.write(example.SerializeToString()) #<---------书写
writer.close()

从TFR中读取图片数据并解码绘制出来：

filename_queue = tf.train.string_input_producer(['FTR/image.tfrecords'], shuffle=False) #<---------输入文件队列
reader = tf.TFRecordReader()                        #<---------读取
_,serialized_example = reader.read(filename_queue)  #<---------读取
features = tf.parse_single_example(                 #<---------读取
    serialized_example,
    features={
        'image':tf.FixedLenFeature([],tf.string),
        'label':tf.FixedLenFeature([],tf.int64)
    })
img = tf.image.decode_jpeg(features['image'])
with tf.Session() as sess:
    tf.global_variables_initializer().run()
 
    coord = tf.train.Coordinator()  # <---------多线程
    threads = tf.train.start_queue_runners(sess=sess, coord=coord)  # <---------文件名队列填充线程启动
    # img_raw, label = sess.run([features['image'], features['label']])
    image = sess.run(img)
    plt.imshow(image)
    plt.show()
    coord.request_stop()  # <---------多线程
    coord.join(threads)  # <---------多线程

三、图片文件直接使用队列读写操作

仅仅示范了维护图片文件名队列的读写，没有过多的其他操作

reader = tf.WholeFileReader()：新的读取器，应该是范用性二进制文件读取器

# 导入tensorflow
import tensorflow as tf
 
# 新建一个Session
with tf.Session() as sess:
    # 我们要读三幅图片A.jpg, B.jpg, C.jpg
    filename = ['123.png', '123123.jpeg']
    # string_input_producer会产生一个文件名队列
    filename_queue = tf.train.string_input_producer(filename, shuffle=False, num_epochs=5)
    # reader从文件名队列中读数据。对应的方法是reader.read
    reader = tf.WholeFileReader()                             #<---------注意读取器不一样了
    key, value = reader.read(filename_queue)
    # tf.train.string_input_producer定义了一个epoch变量，要对它进行初始化
    tf.local_variables_initializer().run()
    # 使用start_queue_runners之后，才会开始填充队列
    threads = tf.train.start_queue_runners(sess=sess)
    i = 0
    while True:
        i += 1
        # 获取图片数据并保存
        image_data = sess.run(value)
        with open('test_%d.jpg' % i, 'wb') as f:
            f.write(image_data)

四、队列文件使用范式

文件名队列创建->读取解析文件->打包解析好的文件->多线程启动图训练（多线程指被使用的部分其实还是文件读取）

import tensorflow as tf
 
'''创建文件列表'''
 
files = tf.train.match_filenames_once("Records/output.tfrecords")
filename_queue = tf.train.string_input_producer(files, shuffle=False)
 
'''解析TFRecord文件里的数据'''
 
# 读取文件。
 
reader = tf.TFRecordReader()
_,serialized_example = reader.read(filename_queue)
 
# 解析读取的样例。
features = tf.parse_single_example(
    serialized_example,
    features={
        'image_raw':tf.FixedLenFeature([],tf.string),
        'pixels':tf.FixedLenFeature([],tf.int64),
        'label':tf.FixedLenFeature([],tf.int64)
    })
 
decoded_images = tf.decode_raw(features['image_raw'],tf.uint8)
retyped_images = tf.cast(decoded_images, tf.float32)
labels = tf.cast(features['label'],tf.int32)
#pixels = tf.cast(features['pixels'],tf.int32)
images = tf.reshape(retyped_images, [784])
 
'''将文件以100个为一组打包'''
 
min_after_dequeue = 10000
batch_size = 100
capacity = min_after_dequeue + 3 * batch_size
 
image_batch, label_batch = tf.train.shuffle_batch([images, labels],
                                                    batch_size=batch_size,
                                                    capacity=capacity,
                                                    min_after_dequeue=min_after_dequeue)
 
'''训练模型'''
 
def inference(input_tensor, weights1, biases1, weights2, biases2):
    layer1 = tf.nn.relu(tf.matmul(input_tensor, weights1) + biases1)
    return tf.matmul(layer1, weights2) + biases2
 
# 模型相关的参数
INPUT_NODE = 784
OUTPUT_NODE = 10
LAYER1_NODE = 500
REGULARAZTION_RATE = 0.0001
TRAINING_STEPS = 5000
 
weights1 = tf.Variable(tf.truncated_normal([INPUT_NODE, LAYER1_NODE], stddev=0.1))
biases1 = tf.Variable(tf.constant(0.1, shape=[LAYER1_NODE]))
 
weights2 = tf.Variable(tf.truncated_normal([LAYER1_NODE, OUTPUT_NODE], stddev=0.1))
biases2 = tf.Variable(tf.constant(0.1, shape=[OUTPUT_NODE]))
 
y = inference(image_batch, weights1, biases1, weights2, biases2)
 
# 计算交叉熵及其平均值
cross_entropy = tf.nn.sparse_softmax_cross_entropy_with_logits(logits=y, labels=label_batch)
cross_entropy_mean = tf.reduce_mean(cross_entropy)
 
# 损失函数的计算
regularizer = tf.contrib.layers.l2_regularizer(REGULARAZTION_RATE)
regularaztion = regularizer(weights1) + regularizer(weights2)
loss = cross_entropy_mean + regularaztion
 
# 优化损失函数
train_step = tf.train.GradientDescentOptimizer(0.01).minimize(loss)
 
# 初始化回话并开始训练过程。
with tf.Session() as sess:
    tf.global_variables_initializer().run()
    coord = tf.train.Coordinator()
    threads = tf.train.start_queue_runners(sess=sess, coord=coord)
    # 循环的训练神经网络。
    for i in range(TRAINING_STEPS):
        if i % 1000 == 0:
            print("After %d training step(s), loss is %g " % (i, sess.run(loss)))
 
        sess.run(train_step)
    coord.request_stop()
    coord.join(threads)