Tensorflow 中（批量）读取数据的案列分析及TFRecord文件的打包与读取
作者：互联网
内容概要：
单一数据读取方式：
第一种：slice_input_producer()
# 返回值可以直接通过 Session.run([images, labels])查看，且第一个参数必须放在列表中，如[...][images, labels] = tf.train.slice_input_producer([images, labels], num_epochs=None, shuffle=True)
第二种：string_input_producer()
# 需要定义文件读取器，然后通过读取器中的 read()方法来获取数据（返回值类型 key,value），再通过 Session.run(value)查看file_queue = tf.train.string_input_producer(filename, num_epochs=None, shuffle=True)
reader = tf.WholeFileReader() # 定义文件读取器key, value = reader.read(file_queue) # key：文件名；value：文件中的内容
！！！num_epochs=None，不指定迭代次数，这样文件队列中元素个数也不限定（None*数据集大小）。
！！！如果它不是None，则此函数创建本地计数器 epochs，需要使用local_variables_initializer()初始化局部变量
！！！以上两种方法都可以生成文件名队列。
（随机）批量数据读取方式：
batchsize=2 # 每次读取的样本数量tf.train.batch(tensors, batch_size=batchsize)tf.train.shuffle_batch(tensors, batch_size=batchsize, capacity=batchsize*10, min_after_dequeue=batchsize*5) # capacity > min_after_dequeue
！！！以上所有读取数据的方法，在Session.run()之前必须开启文件队列线程 tf.train.start_queue_runners()
TFRecord文件的打包与读取
一、单一数据读取方式
第一种：slice_input_producer()
def slice_input_producer(tensor_list, num_epochs=None, shuffle=True, seed=None, capacity=32, shared_name=None, name=None)
案例1：
import tensorflow as tf
images = ['image1.jpg', 'image2.jpg', 'image3.jpg', 'image4.jpg']
labels = [1, 2, 3, 4]
# [images, labels] = tf.train.slice_input_producer([images, labels], num_epochs=None, shuffle=True)
# 当num_epochs=2时，此时文件队列中只有 2*4=8个样本，所有在取第9个样本时会出错
# [images, labels] = tf.train.slice_input_producer([images, labels], num_epochs=2, shuffle=True)
data = tf.train.slice_input_producer([images, labels], num_epochs=None, shuffle=True)
print(type(data)) # <class 'list'>
with tf.Session() as sess:
# sess.run(tf.local_variables_initializer())
sess.run(tf.local_variables_initializer())
coord = tf.train.Coordinator() # 线程的协调器
threads = tf.train.start_queue_runners(sess, coord) # 开始在图表中收集队列运行器
for i in range(10):
print(sess.run(data))
coord.request_stop()
coord.join(threads)
"""
运行结果：
[b'image2.jpg', 2]
[b'image1.jpg', 1]
[b'image3.jpg', 3]
[b'image4.jpg', 4]
[b'image2.jpg', 2]
[b'image1.jpg', 1]
[b'image3.jpg', 3]
[b'image4.jpg', 4]
[b'image2.jpg', 2]
[b'image3.jpg', 3]
"""
！！！slice_input_producer() 中的第一个参数需要放在一个列表中，列表中的每个元素可以是 List 或 Tensor，如 [images，labels]，
！！！num_epochs设置
第二种：string_input_producer()
def string_input_producer(string_tensor, num_epochs=None, shuffle=True, seed=None, capacity=32, shared_name=None, name=None, cancel_op=None)
文件读取器
不同类型的文件对应不同的文件读取器，我们称为 reader对象；
该对象的 read 方法自动读取文件，并创建数据队列，输出key/文件名，value/文件内容；
reader = tf.TextLineReader() ### 一行一行读取，适用于所有文本文件
reader = tf.TFRecordReader() ### A Reader that outputs the records from a TFRecords file
reader = tf.WholeFileReader() ### 一次读取整个文件，适用图片
案例2：读取csv文件
iimport tensorflow as tf
filename = ['data/A.csv', 'data/B.csv', 'data/C.csv']
file_queue = tf.train.string_input_producer(filename, shuffle=True, num_epochs=2) # 生成文件名队列
reader = tf.WholeFileReader() # 定义文件读取器（一次读取整个文件）
# reader = tf.TextLineReader() # 定义文件读取器(一行一行的读)
key, value = reader.read(file_queue) # key：文件名；value：文件中的内容
print(type(file_queue))
init = [tf.global_variables_initializer(), tf.local_variables_initializer()]
with tf.Session() as sess:
sess.run(init)
coord = tf.train.Coordinator()
threads = tf.train.start_queue_runners(sess=sess, coord=coord)
try:
while not coord.should_stop():
for i in range(6):
print(sess.run([key, value]))
break
except tf.errors.OutOfRangeError:
print('read done')
finally:
coord.request_stop()
coord.join(threads)
"""
reader = tf.WholeFileReader() # 定义文件读取器（一次读取整个文件）
运行结果：
[b'data/C.csv', b'7.jpg,7\n8.jpg,8\n9.jpg,9\n']
[b'data/B.csv', b'4.jpg,4\n5.jpg,5\n6.jpg,6\n']
[b'data/A.csv', b'1.jpg,1\n2.jpg,2\n3.jpg,3\n']
[b'data/A.csv', b'1.jpg,1\n2.jpg,2\n3.jpg,3\n']
[b'data/B.csv', b'4.jpg,4\n5.jpg,5\n6.jpg,6\n']
[b'data/C.csv', b'7.jpg,7\n8.jpg,8\n9.jpg,9\n']
"""
"""
reader = tf.TextLineReader() # 定义文件读取器(一行一行的读)
运行结果：
[b'data/B.csv:1', b'4.jpg,4']
[b'data/B.csv:2', b'5.jpg,5']
[b'data/B.csv:3', b'6.jpg,6']
[b'data/C.csv:1', b'7.jpg,7']
[b'data/C.csv:2', b'8.jpg,8']
[b'data/C.csv:3', b'9.jpg,9']
"""
案例3：读取图片（每次读取全部图片内容，不是一行一行）
import tensorflow as tf
filename = ['1.jpg', '2.jpg']
filename_queue = tf.train.string_input_producer(filename, shuffle=False, num_epochs=1)
reader = tf.WholeFileReader() # 文件读取器
key, value = reader.read(filename_queue) # 读取文件 key:文件名；value：图片数据，bytes
with tf.Session() as sess:
tf.local_variables_initializer().run()
coord = tf.train.Coordinator() # 线程的协调器
threads = tf.train.start_queue_runners(sess, coord)
for i in range(filename.__len__()):
image_data = sess.run(value)
with open('img_%d.jpg' % i, 'wb') as f:
f.write(image_data)
coord.request_stop()
coord.join(threads)
二、（随机）批量数据读取方式：
功能：shuffle_batch() 和 batch() 这两个API都是从文件队列中批量获取数据，使用方式类似；
案例4：slice_input_producer() 与 batch()
import tensorflow as tf
import numpy as np
images = np.arange(20).reshape([10, 2])
label = np.asarray(range(0, 10))
images = tf.cast(images, tf.float32) # 可以注释掉，不影响运行结果
label = tf.cast(label, tf.int32) # 可以注释掉，不影响运行结果
batchsize = 6 # 每次获取元素的数量
input_queue = tf.train.slice_input_producer([images, label], num_epochs=None, shuffle=False)
image_batch, label_batch = tf.train.batch(input_queue, batch_size=batchsize)
# 随机获取 batchsize个元素，其中，capacity：队列容量，这个参数一定要比 min_after_dequeue 大
# image_batch, label_batch = tf.train.shuffle_batch(input_queue, batch_size=batchsize, capacity=64, min_after_dequeue=10)
with tf.Session() as sess:
coord = tf.train.Coordinator() # 线程的协调器
threads = tf.train.start_queue_runners(sess, coord) # 开始在图表中收集队列运行器
for cnt in range(2):
print("第{}次获取数据,每次batch={}...".format(cnt+1, batchsize))
image_batch_v, label_batch_v = sess.run([image_batch, label_batch])
print(image_batch_v, label_batch_v, label_batch_v.__len__())
coord.request_stop()
coord.join(threads)
"""
运行结果：
第1次获取数据,每次batch=6...
[[ 0. 1.]
[ 2. 3.]
[ 4. 5.]
[ 6. 7.]
[ 8. 9.]
[10. 11.]] [0 1 2 3 4 5] 6
第2次获取数据,每次batch=6...
[[12. 13.]
[14. 15.]
[16. 17.]
[18. 19.]
[ 0. 1.]
[ 2. 3.]] [6 7 8 9 0 1] 6
"""
案例5：从本地批量的读取图片 --- string_input_producer() 与 batch()
1 import tensorflow as tf
2 import glob
3 import cv2 as cv
4
5 def read_imgs(filename, picture_format, input_image_shape, batch_size=1):
6 """
7 从本地批量的读取图片
8 :param filename: 图片路径（包括图片的文件名），[]
9 :param picture_format: 图片的格式，如 bmp,jpg,png等; string
10 :param input_image_shape: 输入图像的大小; (h,w,c)或[]
11 :param batch_size: 每次从文件队列中加载图片的数量; int
12 :return: batch_size张图片数据, Tensor
13 """
14 global new_img
15 # 创建文件队列
16 file_queue = tf.train.string_input_producer(filename, num_epochs=1, shuffle=True)
17 # 创建文件读取器
18 reader = tf.WholeFileReader()
19 # 读取文件队列中的文件
20 _, img_bytes = reader.read(file_queue)
21 # print(img_bytes) # Tensor("ReaderReadV2_19:1", shape=(), dtype=string)
22 # 对图片进行解码
23 if picture_format == ".bmp":
24 new_img = tf.image.decode_bmp(img_bytes, channels=1)
25 elif picture_format == ".jpg":
26 new_img = tf.image.decode_jpeg(img_bytes, channels=3)
27 else:
28 pass
29 # 重新设置图片的大小
30 # new_img = tf.image.resize_images(new_img, input_image_shape)
31 new_img = tf.reshape(new_img, input_image_shape)
32 # 设置图片的数据类型
33 new_img = tf.image.convert_image_dtype(new_img, tf.uint8)
34
35 # return new_img
36 return tf.train.batch([new_img], batch_size)
37
38
39 def main():
40 image_path = glob.glob(r'F:\demo\FaceRecognition\人脸库\ORL\*.bmp')
41 image_batch = read_imgs(image_path, ".bmp", (112, 92, 1), 5)
42 print(type(image_batch))
43 # image_path = glob.glob(r'.\*.jpg')
44 # image_batch = read_imgs(image_path, ".jpg", (313, 500, 3), 1)
45
46 sess = tf.Session()
47 sess.run(tf.local_variables_initializer())
48 tf.train.start_queue_runners(sess=sess)
49
50 image_batch = sess.run(image_batch)
51 print(type(image_batch)) # <class 'numpy.ndarray'>
52
53 for i in range(image_batch.__len__()):
54 cv.imshow("win_"+str(i), image_batch[i])
55 cv.waitKey()
56 cv.destroyAllWindows()
57
58 def start():
59 image_path = glob.glob(r'F:\demo\FaceRecognition\人脸库\ORL\*.bmp')
60 image_batch = read_imgs(image_path, ".bmp", (112, 92, 1), 5)
61 print(type(image_batch)) # <class 'tensorflow.python.framework.ops.Tensor'>
62
63
64 with tf.Session() as sess:
65 sess.run(tf.local_variables_initializer())
66 coord = tf.train.Coordinator() # 线程的协调器
67 threads = tf.train.start_queue_runners(sess, coord) # 开始在图表中收集队列运行器
68 image_batch = sess.run(image_batch)
69 print(type(image_batch)) # <class 'numpy.ndarray'>
70
71 for i in range(image_batch.__len__()):
72 cv.imshow("win_"+str(i), image_batch[i])
73 cv.waitKey()
74 cv.destroyAllWindows()
75
76 # 若使用 with 方式打开 Session，且没加如下2行语句，则会出错
77 # ERROR:tensorflow:Exception in QueueRunner: Enqueue operation was cancelled；
78 # 原因：文件队列线程还处于工作状态（队列中还有图片数据），而加载完batch_size张图片会话就会自动关闭，同时关闭文件队列线程
79 coord.request_stop()
80 coord.join(threads)
81
82
83 if __name__ == "__main__":
84 # main()
85 start()
从本地批量的读取图片案例
案列6：TFRecord文件打包与读取
1 def write_TFRecord(filename, data, labels, is_shuffler=True):
2 """
3 将数据打包成TFRecord格式
4 :param filename: 打包后路径名，默认在工程目录下创建该文件；String
5 :param data: 需要打包的文件路径名；list
6 :param labels: 对应文件的标签；list
7 :param is_shuffler:是否随机初始化打包后的数据，默认：True；Bool
8 :return: None
9 """
10 im_data = list(data)
11 im_labels = list(labels)
12
13 index = [i for i in range(im_data.__len__())]
14 if is_shuffler:
15 np.random.shuffle(index)
16
17 # 创建写入器，然后使用该对象写入样本example
18 writer = tf.python_io.TFRecordWriter(filename)
19 for i in range(im_data.__len__()):
20 im_d = im_data[index[i]] # im_d:存放着第index[i]张图片的路径信息
21 im_l = im_labels[index[i]] # im_l：存放着对应图片的标签信息
22
23 # # 获取当前的图片数据 方式一：
24 # data = cv2.imread(im_d)
25 # # 创建样本
26 # ex = tf.train.Example(
27 # features=tf.train.Features(
28 # feature={
29 # "image": tf.train.Feature(
30 # bytes_list=tf.train.BytesList(
31 # value=[data.tobytes()])), # 需要打包成bytes类型
32 # "label": tf.train.Feature(
33 # int64_list=tf.train.Int64List(
34 # value=[im_l])),
35 # }
36 # )
37 # )
38 # 获取当前的图片数据 方式二：相对于方式一，打包文件占用空间小了一半多
39 data = tf.gfile.FastGFile(im_d, "rb").read()
40 ex = tf.train.Example(
41 features=tf.train.Features(
42 feature={
43 "image": tf.train.Feature(
44 bytes_list=tf.train.BytesList(
45 value=[data])), # 此时的data已经是bytes类型
46 "label": tf.train.Feature(
47 int64_list=tf.train.Int64List(
48 value=[im_l])),
49 }
50 )
51 )
52
53 # 写入将序列化之后的样本
54 writer.write(ex.SerializeToString())
55 # 关闭写入器
56 writer.close()
TFRecord文件打包案列
1 import tensorflow as tf
2 import cv2
3
4 def read_TFRecord(file_list, batch_size=10):
5 """
6 读取TFRecord文件
7 :param file_list: 存放TFRecord的文件名，List
8 :param batch_size: 每次读取图片的数量
9 :return: 解析后图片及对应的标签
10 """
11 file_queue = tf.train.string_input_producer(file_list, num_epochs=None, shuffle=True)
12 reader = tf.TFRecordReader()
13 _, ex = reader.read(file_queue)
14 batch = tf.train.shuffle_batch([ex], batch_size, capacity=batch_size * 10, min_after_dequeue=batch_size * 5)
15
16 feature = {
17 'image': tf.FixedLenFeature([], tf.string),
18 'label': tf.FixedLenFeature([], tf.int64)
19 }
20 example = tf.parse_example(batch, features=feature)
21
22 images = tf.decode_raw(example['image'], tf.uint8)
23 images = tf.reshape(images, [-1, 32, 32, 3])
24
25 return images, example['label']
26
27
28
29 def main():
30 # filelist = ['data/train.tfrecord']
31 filelist = ['data/test.tfrecord']
32 images, labels = read_TFRecord(filelist, 2)
33 with tf.Session() as sess:
34 sess.run(tf.local_variables_initializer())
35 coord = tf.train.Coordinator()
36 threads = tf.train.start_queue_runners(sess=sess, coord=coord)
37
38 try:
39 while not coord.should_stop():
40 for i in range(1):
41 image_bth, _ = sess.run([images, labels])
42 print(_)
43
44 cv2.imshow("image_0", image_bth[0])
45 cv2.imshow("image_1", image_bth[1])
46 break
47 except tf.errors.OutOfRangeError:
48 print('read done')
49 finally:
50 coord.request_stop()
51 coord.join(threads)
52 cv2.waitKey(0)
53 cv2.destroyAllWindows()
54
55 if __name__ == "__main__":
56 main()
TFReord文件的读取案列
标签：TFRecord,读取数据,image,batch,jpg,案列,train,tf,data 来源： https://www.cnblogs.com/nbk-zyc/p/13159986.html