具有可变批量大小的 TensorFlow DataSet `from_generator`

Question

我正在尝试使用 TensorFlow Dataset API 读取 HDF5 文件，使用该from_generator方法。除非批量大小没有均匀地划分为事件数量，否则一切正常。我不太明白如何使用 API 进行灵活的批处理。

如果事情没有平均分配，你会得到如下错误：

2018-08-31 13:47:34.274303: W tensorflow/core/framework/op_kernel.cc:1263] Invalid argument: ValueError: `generator` yielded an element of shape (1, 28, 28, 1) where an element of shape (11, 28, 28, 1) was expected.
Traceback (most recent call last):

  File "/Users/perdue/miniconda3/envs/py3a/lib/python3.6/site-packages/tensorflow/python/ops/script_ops.py", line 206, in __call__
    ret = func(*args)

  File "/Users/perdue/miniconda3/envs/py3a/lib/python3.6/site-packages/tensorflow/python/data/ops/dataset_ops.py", line 452, in generator_py_func
    "of shape %s was expected." % (ret_array.shape, expected_shape))

ValueError: `generator` yielded an element of shape (1, 28, 28, 1) where an element of shape (11, 28, 28, 1) was expected.

我有一个在此处重现错误的脚本（以及获取几个 MB 所需数据文件 - Fashion MNIST 的说明）：

https://gist.github.com/gnperdue/b905a9c2dd4c08b53e0539d6aa3d3dc6

最重要的代码可能是：

def make_fashion_dset(file_name, batch_size, shuffle=False):
    dgen = _make_fashion_generator_fn(file_name, batch_size)
    features_shape = [batch_size, 28, 28, 1]
    labels_shape = [batch_size, 10]
    ds = tf.data.Dataset.from_generator(
        dgen, (tf.float32, tf.uint8),
        (tf.TensorShape(features_shape), tf.TensorShape(labels_shape))
    )
    ...

其中dgen是发电机功能从HDF5读取：

def _make_fashion_generator_fn(file_name, batch_size):
    reader = FashionHDF5Reader(file_name)
    nevents = reader.openf()

    def example_generator_fn():
        start_idx, stop_idx = 0, batch_size
        while True:
            if start_idx >= nevents:
                reader.closef()
                return
            yield reader.get_examples(start_idx, stop_idx)
            start_idx, stop_idx = start_idx + batch_size, stop_idx + batch_size

    return example_generator_fn

问题的核心是我们必须在 中声明张量形状from_generator，但我们需要在迭代时灵活地改变该形状。

有一些变通方法 - 删除最后几个样本以获得均匀除法，或者只使用 1 的批量大小......但如果您不能丢失任何样本并且批量大小为 1 的速度非常慢，那么第一个是不好的。

任何想法或意见？谢谢！

Answer 1

在 中指定张量形状时from_generator，您可以将其None用作元素来指定可变尺寸的维度。通过这种方式，您可以容纳不同大小的批次，特别是比您请求的批次大小略小的“剩余”批次。所以你会使用

def make_fashion_dset(file_name, batch_size, shuffle=False):
    dgen = _make_fashion_generator_fn(file_name, batch_size)
    features_shape = [None, 28, 28, 1]
    labels_shape = [None, 10]
    ds = tf.data.Dataset.from_generator(
        dgen, (tf.float32, tf.uint8),
        (tf.TensorShape(features_shape), tf.TensorShape(labels_shape))
    )
    ...