詳解tensorflow載入數(shù)據(jù)的三種方式
Tensorflow數(shù)據(jù)讀取有三種方式：
- Preloaded data: 預(yù)加載數(shù)據(jù)
- Feeding: Python產(chǎn)生數(shù)據(jù)，再把數(shù)據(jù)喂給后端。
- Reading from file: 從文件中直接讀取
這三種有讀取方式有什么區(qū)別呢？ 我們首先要知道TensorFlow(TF)是怎么樣工作的。
TF的核心是用C++寫的，這樣的好處是運行快，缺點是調(diào)用不靈活。而Python恰好相反，所以結(jié)合兩種語言的優(yōu)勢。涉及計算的核心算子和運行框架是用C++寫的，并提供API給Python。Python調(diào)用這些API，設(shè)計訓(xùn)練模型(Graph)，再將設(shè)計好的Graph給后端去執(zhí)行。簡而言之，Python的角色是Design，C++是Run。
一、預(yù)加載數(shù)據(jù)：
import tensorflow as tf # 設(shè)計Graph x1 = tf.constant([2, 3, 4]) x2 = tf.constant([4, 0, 1]) y = tf.add(x1, x2) # 打開一個session --> 計算y with tf.Session() as sess: print sess.run(y)
二、python產(chǎn)生數(shù)據(jù)，再將數(shù)據(jù)喂給后端
import tensorflow as tf
# 設(shè)計Graph
x1 = tf.placeholder(tf.int16)
x2 = tf.placeholder(tf.int16)
y = tf.add(x1, x2)
# 用Python產(chǎn)生數(shù)據(jù)
li1 = [2, 3, 4]
li2 = [4, 0, 1]
# 打開一個session --> 喂數(shù)據(jù) --> 計算y
with tf.Session() as sess:
print sess.run(y, feed_dict={x1: li1, x2: li2})
說明：在這里x1, x2只是占位符，沒有具體的值，那么運行的時候去哪取值呢？這時候就要用到sess.run()中的feed_dict參數(shù)，將Python產(chǎn)生的數(shù)據(jù)喂給后端，并計算y。
這兩種方案的缺點：
1、預(yù)加載：將數(shù)據(jù)直接內(nèi)嵌到Graph中，再把Graph傳入Session中運行。當(dāng)數(shù)據(jù)量比較大時，Graph的傳輸會遇到效率問題。
2、用占位符替代數(shù)據(jù)，待運行的時候填充數(shù)據(jù)。
前兩種方法很方便，但是遇到大型數(shù)據(jù)的時候就會很吃力，即使是Feeding，中間環(huán)節(jié)的增加也是不小的開銷，比如數(shù)據(jù)類型轉(zhuǎn)換等等。最優(yōu)的方案就是在Graph定義好文件讀取的方法，讓TF自己去從文件中讀取數(shù)據(jù)，并解碼成可使用的樣本集。
三、從文件中讀取，簡單來說就是將數(shù)據(jù)讀取模塊的圖搭好
1、準(zhǔn)備數(shù)據(jù)，構(gòu)造三個文件,A.csv,B.csv,C.csv
$ echo -e "Alpha1,A1\nAlpha2,A2\nAlpha3,A3" > A.csv $ echo -e "Bee1,B1\nBee2,B2\nBee3,B3" > B.csv $ echo -e "Sea1,C1\nSea2,C2\nSea3,C3" > C.csv
2、單個Reader，單個樣本
#-*- coding:utf-8 -*-
import tensorflow as tf
# 生成一個先入先出隊列和一個QueueRunner,生成文件名隊列
filenames = ['A.csv', 'B.csv', 'C.csv']
filename_queue = tf.train.string_input_producer(filenames, shuffle=False)
# 定義Reader
reader = tf.TextLineReader()
key, value = reader.read(filename_queue)
# 定義Decoder
example, label = tf.decode_csv(value, record_defaults=[['null'], ['null']])
#example_batch, label_batch = tf.train.shuffle_batch([example,label], batch_size=1, capacity=200, min_after_dequeue=100, num_threads=2)
# 運行Graph
with tf.Session() as sess:
coord = tf.train.Coordinator() #創(chuàng)建一個協(xié)調(diào)器，管理線程
threads = tf.train.start_queue_runners(coord=coord) #啟動QueueRunner, 此時文件名隊列已經(jīng)進隊。
for i in range(10):
print example.eval(),label.eval()
coord.request_stop()
coord.join(threads)
說明：這里沒有使用tf.train.shuffle_batch，會導(dǎo)致生成的樣本和label之間對應(yīng)不上，亂序了。生成結(jié)果如下：
Alpha1 A2
Alpha3 B1
Bee2 B3
Sea1 C2
Sea3 A1
Alpha2 A3
Bee1 B2
Bee3 C1
Sea2 C3
Alpha1 A2
解決方案：用tf.train.shuffle_batch,那么生成的結(jié)果就能夠?qū)?yīng)上。
#-*- coding:utf-8 -*-
import tensorflow as tf
# 生成一個先入先出隊列和一個QueueRunner,生成文件名隊列
filenames = ['A.csv', 'B.csv', 'C.csv']
filename_queue = tf.train.string_input_producer(filenames, shuffle=False)
# 定義Reader
reader = tf.TextLineReader()
key, value = reader.read(filename_queue)
# 定義Decoder
example, label = tf.decode_csv(value, record_defaults=[['null'], ['null']])
example_batch, label_batch = tf.train.shuffle_batch([example,label], batch_size=1, capacity=200, min_after_dequeue=100, num_threads=2)
# 運行Graph
with tf.Session() as sess:
coord = tf.train.Coordinator() #創(chuàng)建一個協(xié)調(diào)器，管理線程
threads = tf.train.start_queue_runners(coord=coord) #啟動QueueRunner, 此時文件名隊列已經(jīng)進隊。
for i in range(10):
e_val,l_val = sess.run([example_batch, label_batch])
print e_val,l_val
coord.request_stop()
coord.join(threads)
3、單個Reader,多個樣本,主要也是通過tf.train.shuffle_batch來實現(xiàn)
#-*- coding:utf-8 -*-
import tensorflow as tf
filenames = ['A.csv', 'B.csv', 'C.csv']
filename_queue = tf.train.string_input_producer(filenames, shuffle=False)
reader = tf.TextLineReader()
key, value = reader.read(filename_queue)
example, label = tf.decode_csv(value, record_defaults=[['null'], ['null']])
# 使用tf.train.batch()會多加了一個樣本隊列和一個QueueRunner。
#Decoder解后數(shù)據(jù)會進入這個隊列，再批量出隊。
# 雖然這里只有一個Reader，但可以設(shè)置多線程，相應(yīng)增加線程數(shù)會提高讀取速度，但并不是線程越多越好。
example_batch, label_batch = tf.train.batch(
[example, label], batch_size=5)
with tf.Session() as sess:
coord = tf.train.Coordinator()
threads = tf.train.start_queue_runners(coord=coord)
for i in range(10):
e_val,l_val = sess.run([example_batch,label_batch])
print e_val,l_val
coord.request_stop()
coord.join(threads)
說明：下面這種寫法，提取出來的batch_size個樣本，特征和label之間也是不同步的
#-*- coding:utf-8 -*-
import tensorflow as tf
filenames = ['A.csv', 'B.csv', 'C.csv']
filename_queue = tf.train.string_input_producer(filenames, shuffle=False)
reader = tf.TextLineReader()
key, value = reader.read(filename_queue)
example, label = tf.decode_csv(value, record_defaults=[['null'], ['null']])
# 使用tf.train.batch()會多加了一個樣本隊列和一個QueueRunner。
#Decoder解后數(shù)據(jù)會進入這個隊列，再批量出隊。
# 雖然這里只有一個Reader，但可以設(shè)置多線程，相應(yīng)增加線程數(shù)會提高讀取速度，但并不是線程越多越好。
example_batch, label_batch = tf.train.batch(
[example, label], batch_size=5)
with tf.Session() as sess:
coord = tf.train.Coordinator()
threads = tf.train.start_queue_runners(coord=coord)
for i in range(10):
print example_batch.eval(), label_batch.eval()
coord.request_stop()
coord.join(threads)
說明：輸出結(jié)果如下：可以看出feature和label之間是不對應(yīng)的
['Alpha1' 'Alpha2' 'Alpha3' 'Bee1' 'Bee2'] ['B3' 'C1' 'C2' 'C3' 'A1']
['Alpha2' 'Alpha3' 'Bee1' 'Bee2' 'Bee3'] ['C1' 'C2' 'C3' 'A1' 'A2']
['Alpha3' 'Bee1' 'Bee2' 'Bee3' 'Sea1'] ['C2' 'C3' 'A1' 'A2' 'A3']
4、多個reader，多個樣本
#-*- coding:utf-8 -*-
import tensorflow as tf
filenames = ['A.csv', 'B.csv', 'C.csv']
filename_queue = tf.train.string_input_producer(filenames, shuffle=False)
reader = tf.TextLineReader()
key, value = reader.read(filename_queue)
record_defaults = [['null'], ['null']]
#定義了多種解碼器,每個解碼器跟一個reader相連
example_list = [tf.decode_csv(value, record_defaults=record_defaults)
for _ in range(2)] # Reader設(shè)置為2
# 使用tf.train.batch_join()，可以使用多個reader，并行讀取數(shù)據(jù)。每個Reader使用一個線程。
example_batch, label_batch = tf.train.batch_join(
example_list, batch_size=5)
with tf.Session() as sess:
coord = tf.train.Coordinator()
threads = tf.train.start_queue_runners(coord=coord)
for i in range(10):
e_val,l_val = sess.run([example_batch,label_batch])
print e_val,l_val
coord.request_stop()
coord.join(threads)
tf.train.batch與tf.train.shuffle_batch函數(shù)是單個Reader讀取，但是可以多線程。tf.train.batch_join與tf.train.shuffle_batch_join可設(shè)置多Reader讀取，每個Reader使用一個線程。至于兩種方法的效率，單Reader時，2個線程就達到了速度的極限。多Reader時，2個Reader就達到了極限。所以并不是線程越多越快，甚至更多的線程反而會使效率下降。
5、迭代控制，設(shè)置epoch參數(shù)，指定我們的樣本在訓(xùn)練的時候只能被用多少輪
#-*- coding:utf-8 -*-
import tensorflow as tf
filenames = ['A.csv', 'B.csv', 'C.csv']
#num_epoch: 設(shè)置迭代數(shù)
filename_queue = tf.train.string_input_producer(filenames, shuffle=False,num_epochs=3)
reader = tf.TextLineReader()
key, value = reader.read(filename_queue)
record_defaults = [['null'], ['null']]
#定義了多種解碼器,每個解碼器跟一個reader相連
example_list = [tf.decode_csv(value, record_defaults=record_defaults)
for _ in range(2)] # Reader設(shè)置為2
# 使用tf.train.batch_join()，可以使用多個reader，并行讀取數(shù)據(jù)。每個Reader使用一個線程。
example_batch, label_batch = tf.train.batch_join(
example_list, batch_size=1)
#初始化本地變量
init_local_op = tf.initialize_local_variables()
with tf.Session() as sess:
sess.run(init_local_op)
coord = tf.train.Coordinator()
threads = tf.train.start_queue_runners(coord=coord)
try:
while not coord.should_stop():
e_val,l_val = sess.run([example_batch,label_batch])
print e_val,l_val
except tf.errors.OutOfRangeError:
print('Epochs Complete!')
finally:
coord.request_stop()
coord.join(threads)
coord.request_stop()
coord.join(threads)
在迭代控制中，記得添加tf.initialize_local_variables()，官網(wǎng)教程沒有說明，但是如果不初始化，運行就會報錯。
對于傳統(tǒng)的機器學(xué)習(xí)而言，比方說分類問題，[x1 x2 x3]是feature。對于二分類問題,label經(jīng)過one-hot編碼之后就會是[0,1]或者[1,0]。一般情況下，我們會考慮將數(shù)據(jù)組織在csv文件中,一行代表一個sample。然后使用隊列的方式去讀取數(shù)據(jù)
說明：對于該數(shù)據(jù),前三列代表的是feature，因為是分類問題,后兩列就是經(jīng)過one-hot編碼之后得到的label
使用隊列讀取該csv文件的代碼如下：
#-*- coding:utf-8 -*-
import tensorflow as tf
# 生成一個先入先出隊列和一個QueueRunner,生成文件名隊列
filenames = ['A.csv']
filename_queue = tf.train.string_input_producer(filenames, shuffle=False)
# 定義Reader
reader = tf.TextLineReader()
key, value = reader.read(filename_queue)
# 定義Decoder
record_defaults = [[1], [1], [1], [1], [1]]
col1, col2, col3, col4, col5 = tf.decode_csv(value,record_defaults=record_defaults)
features = tf.pack([col1, col2, col3])
label = tf.pack([col4,col5])
example_batch, label_batch = tf.train.shuffle_batch([features,label], batch_size=2, capacity=200, min_after_dequeue=100, num_threads=2)
# 運行Graph
with tf.Session() as sess:
coord = tf.train.Coordinator() #創(chuàng)建一個協(xié)調(diào)器，管理線程
threads = tf.train.start_queue_runners(coord=coord) #啟動QueueRunner, 此時文件名隊列已經(jīng)進隊。
for i in range(10):
e_val,l_val = sess.run([example_batch, label_batch])
print e_val,l_val
coord.request_stop()
coord.join(threads)
輸出結(jié)果如下：
說明：
record_defaults = [[1], [1], [1], [1], [1]]
代表解析的模板,每個樣本有5列，在數(shù)據(jù)中是默認(rèn)用‘，'隔開的，然后解析的標(biāo)準(zhǔn)是[1]，也即每一列的數(shù)值都解析為整型。[1.0]就是解析為浮點，['null']解析為string類型
以上就是本文的全部內(nèi)容，希望對大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。
相關(guān)文章
python數(shù)據(jù)類型相關(guān)知識擴展
今天帶大家學(xué)習(xí)Python數(shù)據(jù)類型的擴展知識,文中有非常詳細(xì)的介紹介代碼示例,對正在學(xué)習(xí)python的小伙伴有很大的幫助,需要的朋友可以參考下2021-05-05
利用Python將原始邊列表轉(zhuǎn)換為鄰接矩陣的過程
有時候,我們會從外部數(shù)據(jù)源中得到原始的邊列表,而需要將其轉(zhuǎn)換為鄰接矩陣以便進行后續(xù)的分析和處理,本文將介紹如何使用Python來實現(xiàn)這一轉(zhuǎn)換過程,需要的朋友可以參考下2024-04-04
Pycharm IDE安裝環(huán)境配置的2025最新完整版教程
PyCharm是目前最流行、使用最廣泛的Python IDE,帶有一整套可以幫助用戶在使用Python語言開發(fā)時提高其效率的工具,下面我們來看看Pycharm IDE安裝環(huán)境配置的最新教程吧2025-03-03
Pandas數(shù)據(jù)分析之批量拆分/合并Excel
怎樣將一個大的Excel拆分,或者將很多小Excel文件合并？下面這篇文章主要給大家介紹了關(guān)于Pandas數(shù)據(jù)分析之批量拆分/合并Excel的相關(guān)資料,需要的朋友可以參考下2021-09-09
在本篇文章里小編給大家整理了一篇關(guān)于Python特征降維知識點總結(jié)內(nèi)容，有需要的朋友們可以學(xué)習(xí)參考下。2021-08-08
這篇文章主要介紹了python替換文件中的某幾行,本文介紹使用python正則庫打開文件并替換文件中某幾行數(shù)據(jù)的可行方法，需要的朋友可以參考下2023-09-09
這篇文章主要為大家詳細(xì)介紹了python實現(xiàn)手機銷售管理系統(tǒng)，具有一定的參考價值，感興趣的小伙伴們可以參考一下2019-03-03
這篇文章主要介紹了Python?如何截取字符函數(shù)，具有很好的參考價值，希望對大家有所幫助。如有錯誤或未考慮完全的地方，望不吝賜教2022-11-11
這篇文章主要介紹了詳解Python中的join()函數(shù)的用法,join()函數(shù)主要用來拼接字符串,是Python學(xué)習(xí)當(dāng)中的基礎(chǔ)知識,需要的朋友可以參考下2015-04-04
這篇文章主要介紹了Python改變對象的字符串顯示的方法，文中講解非常細(xì)致，代碼幫助大家更好的理解和學(xué)習(xí)，感興趣的朋友可以了解下2020-08-08