【機器學(xué)習(xí)煉丹術(shù)】的學(xué)習(xí)筆記分享

<<小白學(xué)PyTorch>>

小白學(xué)PyTorch | 16 TF2讀取圖片的方法

小白學(xué)PyTorch | 15 TF2實現(xiàn)一個簡單的服裝分類任務(wù)

小白學(xué)PyTorch | 14 tensorboardX可視化教程

小白學(xué)PyTorch | 13 EfficientNet詳解及PyTorch實現(xiàn)

小白學(xué)PyTorch | 12 SENet詳解及PyTorch實現(xiàn)

小白學(xué)PyTorch | 11 MobileNet詳解及PyTorch實現(xiàn)

小白學(xué)PyTorch | 10 pytorch常見運算詳解

小白學(xué)PyTorch | 9 tensor數(shù)據(jù)結(jié)構(gòu)與存儲結(jié)構(gòu)

小白學(xué)PyTorch | 8 實戰(zhàn)之MNIST小試牛刀

小白學(xué)PyTorch | 7 最新版本torchvision.transforms常用API翻譯與講解

小白學(xué)PyTorch | 6 模型的構(gòu)建訪問遍歷存儲（附代碼）

小白學(xué)PyTorch | 5 torchvision預(yù)訓(xùn)練模型與數(shù)據(jù)集全覽

小白學(xué)PyTorch | 4 構(gòu)建模型三要素與權(quán)重初始化

小白學(xué)PyTorch | 3 淺談Dataset和Dataloader

小白學(xué)PyTorch | 2 淺談訓(xùn)練集驗證集和測試集

小白學(xué)PyTorch | 1 搭建一個超簡單的網(wǎng)絡(luò)

小白學(xué)PyTorch | 動態(tài)圖與靜態(tài)圖的淺顯理解

參考目錄：

• 1 為什么用tfrec文件

• 2 tfrec文件的內(nèi)部結(jié)構(gòu)

• 3 制作tfrec文件

• 4 讀取tfrec文件

本文的代碼已經(jīng)上傳公眾號后臺，回復(fù)【PyTorch】獲取。?

第一次接觸到TFrec文件，我也是比較蒙蔽的其實：

可以看到文件是.tfrec后綴的，而且先記住這個文件是186.72MB大小的。

1 為什么用tfrec文件

正常情況下我們用于訓(xùn)練的文件夾內(nèi)部往往會存著成千上萬的圖片或文本等文件，這些文件通常被散列存放。這種存儲方式有一些缺點：

• 占用磁盤空間；

• 一個一個讀取文件消耗時間

而tfrec格式的文件存儲形式會很合理的幫我們存儲數(shù)據(jù)，核心就是tfrec內(nèi)部使用Protocol Buffer的二進制數(shù)據(jù)編碼方案，這個方案可以極大的壓縮存儲空間。

之前我們知道一個tfrec文件100多M，這是因為這個tfrec文件內(nèi)存儲了很多的圖片，類似于壓縮，對tfrec解壓縮后可以獲取到一部分的數(shù)據(jù)集，當我們把全部的rfrec文件都解壓縮后，可以獲取到全部的數(shù)據(jù)集。

值得一提的是，rfrec文件內(nèi)除了可以存儲圖片，還可以存儲其他的數(shù)據(jù)，比方說圖片的label。字符串，float類型等都可以轉(zhuǎn)換成二進制的方法，所以什么數(shù)據(jù)類型基本上都可以存儲到rfrec文件內(nèi)，從而簡化讀取數(shù)據(jù)的過程。

2 tfrec文件的內(nèi)部結(jié)構(gòu)

tfrec文件時tensorflow的數(shù)據(jù)集存儲格式，tensorflow可以高效的讀取和處理這些數(shù)據(jù)集，因此我見過有的數(shù)據(jù)集因為是tfrec文件，所以用TF讀取數(shù)據(jù)集，然后用pytorch訓(xùn)練模型。

之前提到了tfrec文件里面是有多個樣本的，所以tfrec可以為是多個tf.train.Example文件組成的序列（每一個example是一個樣本），然后每一個tf.train.Example又是由若干個tf.train.Features字典組成。這個Features可以理解為這個樣本的一些信息，如果是圖片樣本，那么肯定有一個Features是圖片像素值數(shù)據(jù)，一個Features是圖片的標簽值；如果是預(yù)測任務(wù)，那么這個Feature可能就是一些字符串類型的特征

3 制作tfrec文件

import?tensorflow?as?tf import?glob #?先記錄一下要保存的tfrec文件的名字 tfrecord_file?=?'./train.tfrec' #?獲取指定目錄的所有以jpeg結(jié)尾的文件list images?=?glob.glob('./*.jpeg') with?tf.io.TFRecordWriter(tfrecord_file)?as?writer:for?filename?in?images:image?=?open(filename,?'rb').read()??#?讀取數(shù)據(jù)集圖片到內(nèi)存，image?為一個?Byte?類型的字符串feature?=?{??#?建立?tf.train.Feature?字典'image':?tf.train.Feature(bytes_list=tf.train.BytesList(value=[image])),??#?圖片是一個?Bytes?對象'label':?tf.train.Feature(int64_list=tf.train.Int64List(value=[1])),'float':tf.train.Feature(float_list=tf.train.FloatList(value=[1.0,2.0])),'name':tf.train.Feature(bytes_list=tf.train.BytesList(value=[str.encode(filename)]))}#?tf.train.Example?在?tf.train.Features?外面又多了一層封裝example?=?tf.train.Example(features=tf.train.Features(feature=feature))??#?通過字典建立?Examplewriter.write(example.SerializeToString())??#?將?Example?序列化并寫入?TFRecord?文件

代碼中我們需要注意的地方是：

• 先讀取圖片，然后構(gòu)建一個字典來作為這個example的格式；

• 上面代碼中，字典中有四個屬性，首先是image圖片本身的像素值，然后有一個標簽，標簽是int類型，然后有一個float浮點類型，name是一個字符串類型，這個string類型的需要轉(zhuǎn)換成byte字節(jié)類型的才能進行存儲，所以這里使用str.encode來把字符串轉(zhuǎn)換成字節(jié)；

• 然后這個features再經(jīng)過Example的封裝，再然后把這個example寫進這個tfrec文件中。

這一段代碼建議保存下來，方便以后的直接參考和復(fù)制。構(gòu)建tfrec文件對于tensorflow處理圖片來說，應(yīng)該是繞不過的一個步驟。

4 讀取tfrec文件

現(xiàn)在，我們運行完上面的代碼，應(yīng)該生成了一個./train.tfrec文件，下面我們再對這個文件進行讀取。

import?tensorflow?as?tfdataset?=?tf.data.TFRecordDataset('./train.tfrec')def?decode(example):feature_description?=?{'image':?tf.io.FixedLenFeature([],?tf.string),'label':?tf.io.FixedLenFeature([],?tf.int64),'float':?tf.io.FixedLenFeature([1,?2],?tf.float32),'name':?tf.io.FixedLenFeature([],?tf.string)}feature_dict?=?tf.io.parse_single_example(example,?feature_description)feature_dict['image']?=?tf.io.decode_jpeg(feature_dict['image'])??#?解碼?JEPG?圖片return?feature_dictdataset?=?dataset.map(decode).batch(4) for?i?in?dataset.take(1):print(i['image'].shape)print(i['label'].shape)print(i['float'].shape)print(bytes.decode(i['name'][0].numpy()))

• 首先使用專門用來讀取tfrec文件的方法tf.data.TFRecordDataset，進行讀取，創(chuàng)建了一個dataset，但是這個dataset并不能直接使用，需要對tfrec中的example進行一些解碼；

• 自己寫一個解碼函數(shù)decode，首先寫一個特征描述，我們知道在保存tfrec的時候每一個example有四個特征，這里需要對每一個特征確定他的類型，是string還是int還是float這樣的。

• 然后通過這個特征描述和tf.io.parse_single_example方法，從example中提取到對應(yīng)的特征；

• 因為image是一個圖片張量，而我們讀取的時候是讀取的tf.string的類型，所以使用tf.io.decode_jpeg()來把字符串解碼成一個tensor張量。

• 最后使用上節(jié)課講過的.batch(4)把數(shù)據(jù)集每一個batch包含四個樣本。

上面代碼輸出的結(jié)果為：

需要注意的是這個如何把name轉(zhuǎn)換成string類型的，如果已經(jīng)在本地跑完了上面的代碼，可以自己看看i['name']是一個什么類型的，然后自己試試如何轉(zhuǎn)換成string類型的。上面的代碼是能成功轉(zhuǎn)換的。

下一次的內(nèi)容就是如何構(gòu)建模型，然后怎么把數(shù)據(jù)集喂給模型。

- END -

往期精彩回顧適合初學(xué)者入門人工智能的路線及資料下載機器學(xué)習(xí)及深度學(xué)習(xí)筆記等資料打印機器學(xué)習(xí)在線手冊深度學(xué)習(xí)筆記專輯《統(tǒng)計學(xué)習(xí)方法》的代碼復(fù)現(xiàn)專輯 AI基礎(chǔ)下載機器學(xué)習(xí)的數(shù)學(xué)基礎(chǔ)專輯獲取一折本站知識星球優(yōu)惠券，復(fù)制鏈接直接打開：https://t.zsxq.com/662nyZF本站qq群704220115。加入微信群請掃碼進群（如果是博士或者準備讀博士請說明）：

總結(jié)

以上是生活随笔為你收集整理的【小白学PyTorch】17.TFrec文件的创建与读取的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。