TensorFlow - 立即从TFRecords中读取所有示例？

Question

您如何一次性阅读TFRecords中的所有示例？

我一直在使用tf.parse_single_example类似于fully_connected_reader示例中的方法read_and_decode中给出的代码来读出单个示例.但是,我想立即针对我的整个验证数据集运行网络,因此希望完全加载它们.

我不完全确定,但文档似乎建议我可以使用tf.parse_example而不是tf.parse_single_example一次加载整个TFRecords文件.我似乎无法让这个工作.我猜它与我如何指定功能有关,但我不确定在功能规范中如何说明有多个例子.

换句话说,我尝试使用类似的东西:

reader = tf.TFRecordReader()
_, serialized_example = reader.read(filename_queue)
features = tf.parse_example(serialized_example, features={
    'image_raw': tf.FixedLenFeature([], tf.string),
    'label': tf.FixedLenFeature([], tf.int64),
})

不起作用,我认为这是因为这些功能不会同时出现多个例子(但同样,我不确定).[导致错误ValueError: Shape () must have rank 1]

这是一次读取所有记录的正确方法吗？如果是这样,我需要更改什么来实际读取记录？非常感谢!

Answer 1

为了清楚起见,我在一个.tfrecords文件中有几千张图像,它们是720 x 720 rgb png文件.标签是0,1,2,3之一.

我也尝试使用parse_example并且无法使其工作,但此解决方案适用于parse_single_example.

缺点是现在我必须知道每个.tf记录中有多少项,这有点令人失望.如果我找到更好的方法,我会更新答案.另外,小心超出.tfrecords文件中记录数量的界限,如果循环遍历最后一条记录,它将从第一条记录开始

诀窍是让队列运行器使用协调器.

我在这里留下了一些代码,以便在读取图像时保存图像,以便您可以验证图像是否正确.

from PIL import Image
import numpy as np
import tensorflow as tf

def read_and_decode(filename_queue):
 reader = tf.TFRecordReader()
 _, serialized_example = reader.read(filename_queue)
 features = tf.parse_single_example(
  serialized_example,
  # Defaults are not specified since both keys are required.
  features={
      'image_raw': tf.FixedLenFeature([], tf.string),
      'label': tf.FixedLenFeature([], tf.int64),
      'height': tf.FixedLenFeature([], tf.int64),
      'width': tf.FixedLenFeature([], tf.int64),
      'depth': tf.FixedLenFeature([], tf.int64)
  })
 image = tf.decode_raw(features['image_raw'], tf.uint8)
 label = tf.cast(features['label'], tf.int32)
 height = tf.cast(features['height'], tf.int32)
 width = tf.cast(features['width'], tf.int32)
 depth = tf.cast(features['depth'], tf.int32)
 return image, label, height, width, depth


def get_all_records(FILE):
 with tf.Session() as sess:
   filename_queue = tf.train.string_input_producer([ FILE ])
   image, label, height, width, depth = read_and_decode(filename_queue)
   image = tf.reshape(image, tf.pack([height, width, 3]))
   image.set_shape([720,720,3])
   init_op = tf.initialize_all_variables()
   sess.run(init_op)
   coord = tf.train.Coordinator()
   threads = tf.train.start_queue_runners(coord=coord)
   for i in range(2053):
     example, l = sess.run([image, label])
     img = Image.fromarray(example, 'RGB')
     img.save( "output/" + str(i) + '-train.png')

     print (example,l)
   coord.request_stop()
   coord.join(threads)

get_all_records('/path/to/train-0.tfrecords')

Answer 2

要只读取一次所有数据,您需要传递num_epochs给string_input_producer.当读取所有记录时,阅读.read器的方法将抛出错误,您可以捕获.简化示例:

import tensorflow as tf

def read_and_decode(filename_queue):
 reader = tf.TFRecordReader()
 _, serialized_example = reader.read(filename_queue)
 features = tf.parse_single_example(
  serialized_example,
  features={
      'image_raw': tf.FixedLenFeature([], tf.string)
  })
 image = tf.decode_raw(features['image_raw'], tf.uint8)
 return image


def get_all_records(FILE):
 with tf.Session() as sess:
   filename_queue = tf.train.string_input_producer([FILE], num_epochs=1)
   image = read_and_decode(filename_queue)
   init_op = tf.initialize_all_variables()
   sess.run(init_op)
   coord = tf.train.Coordinator()
   threads = tf.train.start_queue_runners(coord=coord)
   try:
     while True:
       example = sess.run([image])
   except tf.errors.OutOfRangeError, e:
     coord.request_stop(e)
   finally:
     coord.request_stop()
     coord.join(threads)

get_all_records('/path/to/train-0.tfrecords')

要使用tf.parse_example(比这更快tf.parse_single_example),您需要首先批处理示例:

batch = tf.train.batch([serialized_example], num_examples, capacity=num_examples)
parsed_examples = tf.parse_example(batch, feature_spec)

不幸的是,这样你需要事先了解一些例子.

Answer 3

如果您需要立即从TFRecord读取所有数据,您可以使用tf_record_iterator在几行代码中编写更简单的解决方案:

从TFRecords文件读取记录的迭代器.

要做到这一点,你只需:

1. 创造一个例子
2. 迭代迭代器中的记录
3. 解析每个记录并根据其类型读取每个功能

这是一个解释如何阅读每种类型的示例.

example = tf.train.Example()
for record in tf.python_io.tf_record_iterator(<tfrecord_file>):
    example.ParseFromString(record)
    f = example.features.feature
    v1 = f['int64 feature'].int64_list.value[0]
    v2 = f['float feature'].float_list.value[0]
    v3 = f['bytes feature'].bytes_list.value[0]
    # for bytes you might want to represent them in a different way (based on what they were before saving)
    # something like `np.fromstring(f['img'].bytes_list.value[0], dtype=np.uint8
    # Now do something with your v1/v2/v3

Answer 4

您还可以使用tf.python_io.tf_record_iterator手动迭代a中的所有示例TFRecord.

我用下面的插图代码测试它:

import tensorflow as tf

X = [[1, 2],
     [3, 4],
     [5, 6]]


def _int_feature(value):
    return tf.train.Feature(int64_list=tf.train.Int64List(value=value))


def dump_tfrecord(data, out_file):
    writer = tf.python_io.TFRecordWriter(out_file)
    for x in data:
        example = tf.train.Example(
            features=tf.train.Features(feature={
                'x': _int_feature(x)
            })
        )
        writer.write(example.SerializeToString())
    writer.close()


def load_tfrecord(file_name):
    features = {'x': tf.FixedLenFeature([2], tf.int64)}
    data = []
    for s_example in tf.python_io.tf_record_iterator(file_name):
        example = tf.parse_single_example(s_example, features=features)
        data.append(tf.expand_dims(example['x'], 0))
    return tf.concat(0, data)


if __name__ == "__main__":
    dump_tfrecord(X, 'test_tfrecord')
    print('dump ok')
    data = load_tfrecord('test_tfrecord')

    with tf.Session() as sess:
        sess.run(tf.global_variables_initializer())
        Y = sess.run([data])
        print(Y)

当然,你必须使用自己的feature规范.

缺点是我不知道如何以这种方式使用多线程.但是,我们阅读所有示例的最多时机是我们评估验证数据集时,通常不是很大.所以我认为效率可能不是瓶颈.

当我测试这个问题时,我还有另一个问题,那就是我必须指定特征长度.而不是tf.FixedLenFeature([], tf.int64),我必须写tf.FixedLenFeature([2], tf.int64),否则,InvalidArgumentError发生.我不知道如何避免这种情况.

Python:3.4
Tensorflow:0.12.0