TensorFlow数据读取

在官方给出的文档中，提到了三种数据读取方式：

1. 供给数据(Feeding)： 在TensorFlow程序运行的每一步， 让Python代码来供给数据。
2. 从文件读取数据： 在TensorFlow图的起始， 让一个输入管线从文件中读取数据。
3. 预加载数据： 在TensorFlow图中定义常量或变量来保存所有数据(仅适用于数据量比较小的情况)。

第一种方法是通过placeholeder创建变量，然后在运行是通过feed来把变量传进去，这个方法比较麻烦。

第三种方法是在运行前读取数据集中所有的数据存储到内存中，数据集很小的时候才可以使用，否则会占用大量内存。

因此一般使用第二种方法，通过pipeline从文件中读取数据。详细介绍一下这种方法。

标准的tensorflow数据格式是TFRecords，这是一种二进制文件。图像信息与标签信息存在同一个文件里，不需要单独的存储标签。TFRecords文件包含了tf.train.Example 协议内存块(protocol buffer)(协议内存块包含了字段 Features)。

生成TFRecords文件：将数据填入到Example协议内存块(protocol buffer)，将协议内存块序列化为一个字符串， 并且通过tf.python_io.TFRecordWriterclass写入到TFRecords文件。

从TFRecords文件中读取数据：可以使用tf.TFRecordReadertf.parse_single_example解析器。这个parse_single_example操作可以将Example协议内存块(protocol buffer)解析为张量。
下面来看一个例子：
此处我加载的数据目录如下：
1— 000001.jpg
000002.jpg
000003.jpg
000004.jpg
000005.jpg
2— 000006.jpg
000007.jpg
000008.jpg
000009.jpg
000010.jpg
3—-
············
4—-

1，2，3为文件夹名，也代表着图片所属类别。

import tensorflow as tfimport numpy as npfrom PIL import Imageimport oscwd = os.getcwd()root = cwd+"/data/my_data"TFwriter = tf.python_io.TFRecordWriter("./data/xxxxTF.tfrecords")for className in os.listdir(root):    label = int(className[0])    classPath = root+"/"+className+"/"    for parent, dirnames, filenames in os.walk(classPath):        for filename in filenames:            imgPath = classPath+"/"+filename            print (imgPath)            img = Image.open(imgPath)            print (img.size,img.mode)            imgRaw = img.tobytes()            example = tf.train.Example(features=tf.train.Features(feature={                "label":tf.train.Feature(int64_list = tf.train.Int64List(value=[label])),                "img_raw":tf.train.Feature(bytes_list = tf.train.BytesList(value=[imgRaw]))            }) )            TFwriter.write(example.SerializeToString())TFwriter.close()  

结果如下

现在就生成了tfrecorder文件

接下来从tfrecorder文件中读取，使用tf.train.shuffle_batch 函数来对队列中的样本进行乱序处理

def read_and_decode(filename):    #根据文件名生成一个队列    filename_queue = tf.train.string_input_producer([filename])    reader = tf.TFRecordReader()    _, serialized_example = reader.read(filename_queue)   #返回文件名和文件    features = tf.parse_single_example(serialized_example,                                       features={                                           'label': tf.FixedLenFeature([], tf.int64),                                           'img_raw' : tf.FixedLenFeature([], tf.string),                                       })    img = features['img_raw']    label = features['label']    return img, labelimg, label = read_and_decode("./data/xxxxTF.tfrecords")#使用shuffle_batch可以随机打乱输入batch_size=6min_after_dequeue = 50capacity = min_after_dequeue + 3 * batch_sizeimg_batch, label_batch = tf.train.shuffle_batch([img, label],batch_size=batch_size, capacity=capacity,min_after_dequeue=min_after_dequeue)#init = tf.initialize_all_variables()init=tf.global_variables_initializer()with tf.Session() as sess:    threads = tf.train.start_queue_runners(sess=sess)    sess.run(init)    for i in range(4):        val, l= sess.run([img_batch, label_batch])        #我们也可以根据需要对val， l进行处理        #l = to_categorical(l, 12)         print(val.shape, l)

结果如下：
(6,) [5 4 2 1 2 2]
(6,) [6 5 3 6 6 4]
(6,) [3 4 1 6 1 1]
(6,) [2 1 1 2 2 2]

这只是做分类任务时的数据集读取方式，若做object detection时，流程类似，加上从xml文件读取信息。