3 TFRecord样例程序实战

将图片数据写入Record文件

# 定义函数转化变量类型。

def _int64_feature(value):

    return tf.train.Feature(int64_list=tf.train.Int64List(value=[value]))

def _bytes_feature(value):

    return tf.train.Feature(bytes_list=tf.train.BytesList(value=[value]))

# 读取mnist数据。

mnist = input_data.read_data_sets("F:/data_of_zengjie/a_minist",dtype=tf.uint8, one_hot=True)

images = mnist.train.images

labels = mnist.train.labels

pixels = images.shape[1]

num_examples = mnist.train.num_examples

# 输出TFRecord文件的地址。

filename = "./TFRecord_Output/output.tfrecords"

if not os.path.exists('./TFRecord_Output/'):

    os.makedirs('./TFRecord_Output/')

writer = tf.python_io.TFRecordWriter(filename)

print (num_examples)

#for index in range(num_examples):

#for index in range(9):

for index in range(101):

#for index in range(54999):

    image_raw = images[index].tostring()

    example = tf.train.Example(features=tf.train.Features(feature={

        'pixels': _int64_feature(pixels),

        'label': _int64_feature(np.argmax(labels[index])),

        'image_raw': _bytes_feature(image_raw)

    }))

    writer.write(example.SerializeToString())

writer.close()

print ("TFRecord文件已保存。") 

在上面的代码中：通过for index in range(101):

可以控制写入文件的Example数量。

一次读取一个样例

# 读取文件。

reader = tf.TFRecordReader()

filename_queue = tf.train.string_input_producer(["./TFRecord_Output/output.tfrecords"])

# 每次读取一个

_,serialized_example = reader.read(filename_queue)

features = tf.parse_single_example(

    serialized_example,

    features={

        'image_raw':tf.FixedLenFeature([],tf.string),

        'pixels':tf.FixedLenFeature([],tf.int64),

        'label':tf.FixedLenFeature([],tf.int64)

    })

images = tf.decode_raw(features['image_raw'],tf.uint8)

labels = tf.cast(features['label'],tf.int32)

pixels = tf.cast(features['pixels'],tf.int32)

sess = tf.Session()

# 启动多线程处理输入数据。

coord = tf.train.Coordinator()

threads = tf.train.start_queue_runners(sess=sess,coord=coord)

for i in range(10):

    image, label, pixel = sess.run([images, labels, pixels])

　　 print (image.shape,label,pixel) #image是长度为784的数组

一次读取多个样例，

使用read_up_to（注意当前代码所在的方格不要和前面的程序都放在jupyter notebook中运行。否则前面的定义会影响下一个方格代码的执行。最好刷新一下kernel，重新选择某个方格运行。）

注意：从

_,serialized_example = reader.read(filename_queue)

# 解析读取的样例。

features = tf.parse_single_example(

改为

_,serialized_example = reader.read_up_to(filename_queue,10)

# 解析读取的样例。

features = tf.parse_example(

# 读取文件。

reader = tf.TFRecordReader()

filename_queue = tf.train.string_input_producer(["./TFRecord_Output/output.tfrecords"])

# 每次读取多个

_,serialized_example = reader.read_up_to(filename_queue,10)

# 解析读取的样例。

features = tf.parse_example(

    serialized_example,

    features={

        'image_raw':tf.FixedLenFeature([],tf.string),

        'pixels':tf.FixedLenFeature([],tf.int64),

        'label':tf.FixedLenFeature([],tf.int64)

    })

images = tf.decode_raw(features['image_raw'],tf.uint8)

labels = tf.cast(features['label'],tf.int32)

pixels = tf.cast(features['pixels'],tf.int32)

print(images.get_shape()) #通过输出，发现是（?,?）也就是无法确定shape。

sess = tf.Session()

# 启动多线程处理输入数据。

coord = tf.train.Coordinator()

threads = tf.train.start_queue_runners(sess=sess,coord=coord)

for i in range(100):

    image, label, pixel = sess.run([images, labels, pixels])

    print(image.shape)

　　 print(label.shape)

、

但是有一个问题就是：

第一：假设在一开始写入TFreord的时候，使用的是for index in range(101):

即写入的是101个example，而这里一次读取10个，那么总是会出现某一次为（1，784）的情况。即read_up_to没有为了单次达标10个而循环读取的功能。当文件读到最后的时候，它不会从文件的开头再重新读取，而是直接读1个作为那次read_up_to(10)的结果。但是，还保留了一点比较好的地方就是，这里for i in range(100):100次读取，每次读取10个example（不考虑那种只读1个的情况），明显超出了文件的101个example。但是，read_up_to为了满足全部读取次数，此时会循环读取。也就是说，read_up_to不会为了单次达标多少个example而循环读取，但是会为了读取次数达标，而循环读取。

读取TFRecord文件，每次读取多个，使用的是batch

# 读取文件。

reader = tf.TFRecordReader()

filename_queue = tf.train.string_input_producer(["./TFRecord_Output/output.tfrecords"])

# 每次读取多个

_,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)

    })

images = tf.decode_raw(features['image_raw'],tf.uint8)

labels = tf.cast(features['label'],tf.int32)

pixels = tf.cast(features['pixels'],tf.int32)

print(images.get_shape()) #通过输出，发现是（?,?）也就是无法确定shape。

batch_size = 10

capacity = 1000 + 3 * batch_size

#images.set_shape(784,)

images.set_shape([784])

labels.set_shape([])

pixels.set_shape([])

image_batch, label_batch, pixel_batch = tf.train.batch(

    [images, labels, pixels], batch_size=batch_size, capacity=capacity)

sess = tf.Session()

# 启动多线程处理输入数据。

coord = tf.train.Coordinator()

threads = tf.train.start_queue_runners(sess=sess,coord=coord)

for i in range(100):

    image, label, pixel = sess.run([image_batch, label_batch, pixel_batch ])

    print(image.shape)

    print(label.shape)

注意：首先，使用batch必须做到一点：

即用set_shape对tensor等进行指定shape否则会

ValueError: All shapes must be fully defined: [TensorShape([Dimension(None)]), TensorShape([]), TensorShape([])]

其次，batch不同于read_up_to，不仅仅会不断的在文件中循环读取，而且一定会为了凑出batch个数目，而循环。所以，不会像使用read_up_to那样出现(1,784)的那种情况。而是全部是(10,784)的情形。

此外，batch还有一个好处是：

会建立一个最大容量为capacity的队列，即如下图所示：

即最后一部分标出的batch。所以，训练神经网络从Example Queue中取batch的时候，另外一个进程可以同步向队列中添加batch。这样的话，就可以避免IO瓶颈。而如果使用read_up_to，则不能像tf.train.batch一样能够构建一个队列，并且支持训练进程和数据处理进程并行化。（）

同时使用batch和read_up_to

# 读取文件。

reader = tf.TFRecordReader()

filename_queue = tf.train.string_input_producer(["./TFRecord_Output/output.tfrecords"])

# 每次读取多个

_,serialized_example = reader.read_up_to(filename_queue,10)

# 解析读取的样例。

features = tf.parse_example(

    serialized_example,

    features={

        'image_raw':tf.FixedLenFeature([],tf.string),

        'pixels':tf.FixedLenFeature([],tf.int64),

        'label':tf.FixedLenFeature([],tf.int64)

    })

images = tf.decode_raw(features['image_raw'],tf.uint8)

labels = tf.cast(features['label'],tf.int32)

pixels = tf.cast(features['pixels'],tf.int32)

print(images.get_shape()) #通过输出，发现是（?,?）也就是无法确定shape。

batch_size = 10

capacity = 1000 + 3 * batch_size

#images.set_shape(784,)

images.set_shape([10,784])

labels.set_shape([10])

pixels.set_shape([10])

image_batch, label_batch, pixel_batch = tf.train.batch(

    [images, labels, pixels], batch_size=batch_size, capacity=capacity)

sess = tf.Session()

# 启动多线程处理输入数据。

coord = tf.train.Coordinator()

threads = tf.train.start_queue_runners(sess=sess,coord=coord)

for i in range(100):

    #image, label, pixel = sess.run([images, labels, pixels])

    image, label, pixel = sess.run([image_batch, label_batch, pixel_batch ])

    print(image.shape)

print(label.shape)

可以看出101个example。

一个batch是10次，1次又是read_up_to(10)，所以，一个batch就读了100个。

接着下一个batch的时候，又调用read_up_to时，只剩下1个了，因此报出expected[10,784],got [1,784]的错误。

但是，我们试探性的直接将read_up_to改为102.也就是一次read_UP_to就超出整个文件包含的example，发现：

所以，read_up_to是文件剩多少，就读多少，然后再一直循环下去。不会说为了凑够102.改为100.输出是：

那么上述报错的原因究竟是什么？？？

正是因为read_up_to是文件剩余多少，就读多少。但是同时使用batch的情况下，需要set_shape。

此时，文件中101个example，一次batch以后读出10*10个example。下一次batch时，调用read_up_to（10），但是只剩下一个了。于是得到的是[1,784]和set的[10,784]有矛盾。故而报错。