Tensorflow细节-P190-输入文件队列

Posted liuboblog

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Tensorflow细节-P190-输入文件队列相关的知识,希望对你有一定的参考价值。

以下代码要学会几个地方

1、filename = (‘data.tfrecords-%.5d-of-%.5d‘ % (i, num_shards)) 这个东西就是要会data.tfrecords-%.5d-of-%.5d两个.5d,
2、记住这两个操作writer = tf.python_io.TFRecordWriter(filename)writer = tf.python_io.TFRecordWriter(filename)
3、得到的是以下TFrecoard两个文件
技术图片

import tensorflow as tf


def _int64_feature(value):
    return tf.train.Feature(int64_list=tf.train.Int64List(value=[value]))


num_shards = 2
instances_per_shard = 2
# 以下文件用于存储数据
for i in range(num_shards):
    filename = ('data.tfrecords-%.5d-of-%.5d' % (i, num_shards))
    # 将Example结构写入TFRecord文件。
    writer = tf.python_io.TFRecordWriter(filename)

    for j in range(instances_per_shard):
    # Example结构仅包含当前样例属于第几个文件以及是当前文件的第几个样本。
        example = tf.train.Example(features=tf.train.Features(feature={
            'i': _int64_feature(i),
            'j': _int64_feature(j)}))
        writer.write(example.SerializeToString())
    writer.close()
以下是对上面程序生成文件的读取(该讲的已经讲了)
import tensorflow as tf

# 获取一个符合正则表达式的所有文件列表,这样就可以得到所有的符合要求的文件了
files = tf.train.match_filenames_once("data.tfrecords-*")  # *是一个通配符

filename = tf.train.string_input_producer(files, shuffle=True, num_epochs=3)  # 打乱顺序,迭代3次


reader = tf.TFRecordReader()
_, serialized_example = reader.read(filename)
features = tf.parse_single_example(  # 解析serialized_example
    serialized_example,
    features={
        'i': tf.FixedLenFeature([], tf.int64),
        'j': tf.FixedLenFeature([], tf.int64),
    }
)


with tf.Session() as sess:
    tf.local_variables_initializer().run()
    print(sess.run(files))
    coord = tf.train.Coordinator()  # 定义tf.Coordinator类以协同线程
    threads = tf.train.start_queue_runners(sess=sess, coord=coord)  # 启动线程
    for i in range(12):
        print(sess.run([features['i'], features['j']]))
    coord.request_stop()
    coord.join(threads)

以上是关于Tensorflow细节-P190-输入文件队列的主要内容,如果未能解决你的问题,请参考以下文章

吴裕雄 python 神经网络——TensorFlow 输入文件队列

Tensorflow 细节P-40

Tensorflow细节-P319-使用GPU基本的操作

Tensorflow细节-P80-深度神经网络

Tensorflow细节-P112-模型持久化

Tensorflow细节-P42张量的概念及使用