TFRecords文件的生成和读取（样例实现）

Posted 2020-10-29 小丑_jk

参考：https://blog.csdn.net/u012222949/article/details/72875281

参考：https://blog.csdn.net/chengshuhao1991/article/details/78656724

tfrecords文件的存储：

将其他数据存储为tfrecord文件的时候，需要进行两个步骤：

建立tfrecord存储器

构造每个样本的Example模块

1、构建tfrecord存储器

实现建立存储器的函数为：

tf.python_io.TFRecordWriter(path)  
#写入tfrecord文件
#path为tfrecord的存储路径

2、构造每个样本的example模块

Example协议块的规则如下：

message Example {
  Features features = 1;
};
message Features {
  map<string, Feature> feature = 1;
};
message Feature {
  oneof kind {
    BytesList bytes_list = 1;
    FloatList float_list = 2;
    Int64List int64_list = 3;
  }
};

其中实现的几个函数如下所示：

tf.train.Example(features = None)  
#用于写入tfrecords文件
#features ： tf.train.Features类型的特征实例
#返回example协议格式块

tf.train.Features(feature = None)
#用于构造每个样本的信息键值对
#feature : 字典数据，key为要保存的名字，value为tf.train.Feature实例
#返回Features类型

tf.train.Feature(**options) 
#options可选的三种数据格式：
bytes_list = tf.train.BytesList(value = [Bytes])
int64_list = tf.train.Int64List(value = [Value])
float_list = tf.trian.FloatList(value = [Value])

最终将图片数据转换成tfrecords的例子，即对每个样本都作如下处理：

example = tf.train.Example(feature = tf.train.Features(feature= {"image":tf.train.Feature(bytes_list=tf.train.BytesList(value=[image(bytes)]))
,"label":tf.train.Feature(int64_list=tf.train.Int64List(value=[label(int)]))}))

例1、将图片文件转换成tfrecord文件（具体代码实现）：

import matplotlib.pyplot as plt
import matplotlib.image as mpimg
import numpy as np
import tensorflow as tf
import pandas as pd
def get_label_from_filename(filename):
    return 1
filenames = tf.train.match_filenames_once(‘C:/Users/1/Desktop/3/*.jpg‘)
writer = tf.python_io.TFRecordWriter(‘C:/Users/1/Desktop/png_train.tfrecords‘)
with tf.Session() as sess:        #使用match_filenames_once函数需要用tf.local_variables_initializer()函数来实现变量的初始化
    sess.run([tf.global_variables_initializer(),tf.local_variables_initializer()])
    filenames=(sess.run(filenames))      
print(filenames)        
#获取的字符串为前面带b：bytes的字符串，类似于字符串前带u：unicode的字符串
#其中从字符串转化成unicode编码的过称为：str.decode(‘utf-8‘)，从unicode转化成字符串为：str.encode(‘utf-8‘)，因此对如下做同样操作    
for filename in filenames:    
    img=mpimg.imread(filename.decode(‘utf-8‘))
    print("{} shape is {}".format(filename, img.shape))
    img_raw = img.tostring()
    label = get_label_from_filename(filename)
    example = tf.train.Example(
        features=tf.train.Features(
            feature={
                "image_raw": tf.train.Feature(bytes_list=tf.train.BytesList(value=[image_raw])),
                "label": tf.train.Feature(int64_list=tf.train.Int64List(value=[label]))
            }
        )
    )
    writer.write(record=example.SerializeToString())
writer.close()

 

 

 

 

 

 

glob包的介绍：

用于获取所有匹配的文件路径列表

import glob
glob.glob("/home/zikong/doc/*.doc")
#返回结果如下：
/home/zikong/doc/file1.doc     /home/zikong/doc/file2.doc

例2、tfrecord文件的生成：

from random import shuffle  
import numpy as np  
import glob  
import tensorflow as tf  
import cv2  
import sys  
import os  

os.environ[‘TF_CPP_MIN_LOG_LEVEL‘] = ‘2‘   
shuffle_data = True  
image_path = ‘/path/to/image/*.jpg‘   
# 取得该路径下所有图片的路径，type（addrs）= list  
addrs = glob.glob(image_path)  
# 标签数据的获得具体情况具体分析，type（labels）= list  
labels = ...  
  
# 这里是打乱数据的顺序  
if shuffle_data:  
    c = list(zip(addrs, labels))               #将两列元素进行组合  
    shuffle(c)               #random包的shuffle函数进行打乱处理
    addrs, labels = zip(*c)             #将组合后的元素再进行拆分
  
# 按需分割数据集  
train_addrs = addrs[0:int(0.7*len(addrs))]  
train_labels = labels[0:int(0.7*len(labels))]  
  
val_addrs = addrs[int(0.7*len(addrs)):int(0.9*len(addrs))]  
val_labels = labels[int(0.7*len(labels)):int(0.9*len(labels))]  
  
test_addrs = addrs[int(0.9*len(addrs)):]  
test_labels = labels[int(0.9*len(labels)):]  
  
# 上面不是获得了image的地址么，下面这个函数就是根据地址获取图片  
def load_image(addr):  # A function to Load image  
    img = cv2.imread(addr)  
    img = cv2.resize(img, (224, 224), interpolation=cv2.INTER_CUBIC)  
    img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)  
    # 这里/255是为了将像素值归一化到[0，1]  
    img = img / 255.  
    img = img.astype(np.float32)  
    return img  
  
# 将数据转化成对应的属性  
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]))  
  
  
def _float_feature(value):  
    return tf.train.Feature(float_list=tf.train.FloatList(value=[value]))  
  
# 下面这段就开始把数据写入TFRecods文件  
  
train_filename = ‘/path/to/train.tfrecords‘  # 输出文件地址  
  
# 创建一个writer来写 TFRecords 文件  
writer = tf.python_io.TFRecordWriter(train_filename)  
  
for i in range(len(train_addrs)):  
    # 这是写入操作可视化处理  
    if not i % 1000:  
        print(‘Train data: {}/{}‘.format(i, len(train_addrs)))  
        sys.stdout.flush()  
    # 加载图片  
    img = load_image(train_addrs[i])  
  
    label = train_labels[i]  
  
    # 创建一个属性（feature）  
    feature = {‘train/label‘: _int64_feature(label),  
               ‘train/image‘: _bytes_feature(tf.compat.as_bytes(img.tostring()))}  
  
    # 创建一个 example protocol buffer  
    example = tf.train.Example(features=tf.train.Features(feature=feature))  
  
    # 将上面的example protocol buffer写入文件  
    writer.write(example.SerializeToString())  
  
writer.close()  
sys.stdout.flush()  

 例3、从MNIST输入数据转化为TFRecord的格式，以及将如何读取TFRecords文件中的数据

从MNIST输入数据转化为TFRecord格式：

import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data
import numpy as np
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]))
mnist=input_data.read_data_sets(‘C:/Users/1/Desktop/data‘,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文件地址
filename=‘C:/Users/1/Desktop/data/output.tfrecords‘
writer=tf.python_io.TFRecordWriter(filename)
for index in range(num_examples):
    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()

以上程序部分将MNIST数据集中所有的训练数据存储到TFRecord文件中，当数据量较大时，也可以将数据写入多个TFRecord文件

以下程序给出了如何读取TFRecord文件中的数据：

import tensorflow as tf
reader=tf.TFRecordReader()
filename_queue=tf.train.string_input_producer([‘C:/Users/1/Desktop/data/output.tfrecords‘])  
_,serialized_example=reader.read(filename_queue)  #从文件中读取一个样例
features=tf.parse_single_example(serialized_example,features={‘image_raw‘:tf.FixedLenFeature([],tf.string),‘pixels‘:tf.FixedLenFeature([],tf.int64),‘label‘:tf.FixedLenFeature([],tf.int64)})
#tf.FixedLenFeature()函数解析得到的结果是一个Tensor
images=tf.decode_raw(features[‘image_raw‘],tf.uint8)
labels=tf.cast(features[‘label‘],tf.int32)   #将目标变量转换成tf.int32格式
pixels=tf.cast(features[‘pixels‘],tf.int32)
#tf.decode_raw可以将字符串解析成图像对应的像素数组
sess=tf.Session()
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])