在TensorFlow中讀數(shù)據(jù)一般有三種方法：

使用placeholder讀內(nèi)存中的數(shù)據(jù)

使用queue讀硬盤中的數(shù)據(jù)

使用Dataset讀內(nèi)存?zhèn)€硬盤中的數(shù)據(jù)

基本概率

由于第三種方法在語法上更簡潔，因此本文主要介紹第三種方法。官方給出的Dataset API類圖：

image.png

其中終于重要的兩個基礎(chǔ)類：Dateset和Iterator。Dateset是具有相同類型的“元素”的有序表，元素可以是向量、字符串、圖片等。

從內(nèi)存中創(chuàng)建Dataset

以數(shù)字元素為例：

例1

從Dataset中實例化一個Iterator，然后對Iterator進(jìn)行迭代。

iterator = dataset.make_one_shot_iterator()

從dataset中實例化一個iterator，是“one shot iterator”，即只能從頭到尾讀取一次。

one_element = iterator.get_next()

從iterator中取出一個元素， one_element是一個tensor，因此需要調(diào)用sess.run(one_element)取出值。

如果元素被讀取完了，再sess.run(one_element)會拋出tf.errors.OutOfRangeError異常。解決方法：使用 dataset.repeat()

更復(fù)雜的輸入形式，例如，在圖像識別的應(yīng)用中，一個元素可以使{“image”：image_tensor， “l(fā)abel”：lable_tensor}

dataset = tf.data.Dataset.from_tensor_slices( { "a": np.array([1.0, 2.0, 3.0, 4.0, 5.0]), "b": np.random.uniform(size=(5, 2)) } )

最終dataset中的一個元素為{"a": 1.0, "b": [0.9, 0.1]}的形式。或者

dataset = tf.data.Dataset.from_tensor_slices( (np.array([1.0, 2.0, 3.0, 4.0, 5.0]), np.random.uniform(size=(5, 2))) )

對Dataset中的元素做變換：Transformation

一個Dataset通過Transformation變成一個新的Dataset。常用的操作有：

map

batch

shuffle

repeat

下面分別來介紹以上幾個操作。（1）mapmap接收一個函數(shù)，dataset中的每個元素都可以作為這個函數(shù)的輸入，并將函數(shù)的返回值作為新的dataset，例如：

dataset = tf.data.Dataset.from_tensor_slices(np.array([1.0, 2.0, 3.0, 4.0, 5.0])) dataset = dataset.map(lambda x: x + 1) # 2.0, 3.0, 4.0, 5.0, 6.0

（2）batch將多個元素組合成batch，例如：

dataset = dataset.batch(32)

（3）shuffle打亂dataset中的元素，參數(shù)buffersize表示打亂時buffer的大小。

dataset = dataset.shuffle(buffer_size=10000)

（4）repeat將整個序列重復(fù)多次，只用用來處理epoch。如果直接調(diào)用repeat()的話，生成的序列就會無限重復(fù)下去，沒有結(jié)束，因此也不會拋出。tf.errors.OutOfRangeError異常：

dataset = dataset.repeat(5)

例子：讀磁盤圖片與對應(yīng)的label

讀入磁盤中的圖片和圖片相應(yīng)的label，并將其打亂，組成batch_size=32的訓(xùn)練樣本。在訓(xùn)練時重復(fù)10個epoch。

# 函數(shù)的功能時將filename對應(yīng)的圖片文件讀進(jìn)來，并縮放到統(tǒng)一的大小def _parse_function(filename, label): image_string = tf.read_file(filename) image_decoded = tf.image.decode_image(image_string) image_resized = tf.image.resize_images(image_decoded, [28, 28]) return image_resized, label# 圖片文件的列表filenames = tf.constant(["/var/data/image1.jpg", "/var/data/image2.jpg", ...])# label[i]就是圖片filenames[i]的labellabels = tf.constant([0, 37, ...])# 此時dataset中的一個元素是(filename, label)dataset = tf.data.Dataset.from_tensor_slices((filenames, labels))# 此時dataset中的一個元素是(image_resized, label)dataset = dataset.map(_parse_function)# 此時dataset中的一個元素是(image_resized_batch, label_batch)dataset = dataset.shuffle(buffersize=1000).batch(32).repeat(10)# 此時dataset中的一個元素是(image_resized_batch, label_batch)# image_resized_batch的形狀為(32, 28, 28, 3)， label_batch的形狀為(32, )