tensorflow 是否有更简单的方法来处理tfrecords的批处理输入?

ki1q1bka  于 2022-11-25  发布在  其他
关注(0)|答案(1)|浏览(144)

我的问题是关于如何从多个(或分片的)tfrecord中获取批输入。我读过www.example.com的例子https://github.com/tensorflow/models/blob/master/inception/inception/image_processing.py#L410。以训练集为例,基本管道是:(1)首先生成一系列tf记录(例如,train-000-of-005train-001-of-005、...),(2)从这些文件名中,生成一个列表,并将它们送入tf.train.string_input_producer以得到一个队列,(3)同时生成tf.RandomShuffleQueue以进行其它填充,(4)使用tf.train.batch_join来生成批输入。
我认为这很复杂,而且我不确定这个过程的逻辑。(多个分离的TF记录,这些.npy文件中的每一个都包含不同数量的正样本和负样本(2个类)。一个基本的方法是生成一个单独的大tfrecord文件。但是文件太大了(~20Gb)。所以我求助于分片的tfrecord。有没有更简单的方法来做到这一点?

ee7vknir

ee7vknir1#

使用Dataset API简化了整个过程。(1): Convert numpy array to tfrecords(2): read the tfrecords to generate batches中的一个或多个。

1.从numpy数组创建tfrecords:

Example arrays:
inputs = np.random.normal(size=(5, 32, 32, 3))
labels = np.random.randint(0,2,size=(5,))

def npy_to_tfrecords(inputs, labels, filename):
  with tf.io.TFRecordWriter(filename) as writer:
    for X, y in zip(inputs, labels):
        # Feature contains a map of string to feature proto objects
        feature = {}
        feature['X'] = tf.train.Feature(float_list=tf.train.FloatList(value=X.flatten()))
        feature['y'] = tf.train.Feature(int64_list=tf.train.Int64List(value=[y]))

        # Construct the Example proto object
        example = tf.train.Example(features=tf.train.Features(feature=feature))

        # Serialize the example to a string
        serialized = example.SerializeToString()

        # write the serialized objec to the disk
        writer.write(serialized)

npy_to_tfrecords(inputs, labels, 'numpy.tfrecord')

2.使用数据集API读取tf记录:

filenames = ['numpy.tfrecord']
dataset = tf.data.TFRecordDataset(filenames)
# for version 1.5 and above use tf.data.TFRecordDataset

# example proto decode
def _parse_function(example_proto):
    keys_to_features = {'X':tf.io.FixedLenFeature(shape=(32, 32, 3), dtype=tf.float32),
                      'y': tf.io.FixedLenFeature((), tf.int64, default_value=0)}
    parsed_features = tf.io.parse_single_example(example_proto, keys_to_features)
    return parsed_features['X'], parsed_features['y']

# Parse the record into tensors.
dataset = dataset.map(_parse_function)  
  
# Generate batches
dataset = dataset.batch(5)

检查生成的批是否正确:

for data in dataset:
    break
np.testing.assert_allclose(inputs[0] ,data[0][0])
np.testing.assert_allclose(labels[0] ,data[1][0])

相关问题