Tensorflow數(shù)據(jù)讀取有三種方式：

• Preloaded data: 預(yù)加載數(shù)據(jù)
• Feeding: Python產(chǎn)生數(shù)據(jù)，再把數(shù)據(jù)喂給后端,。
• Reading from file: 從文件中直接讀取

這三種有讀取方式有什么區(qū)別呢,？ 我們首先要知道TensorFlow(TF)是怎么樣工作的。

TF的核心是用C++寫的,，這樣的好處是運(yùn)行快,，缺點(diǎn)是調(diào)用不靈活。而Python恰好相反,，所以結(jié)合兩種語(yǔ)言的優(yōu)勢(shì),。涉及計(jì)算的核心算子和運(yùn)行框架是用C++寫的，并提供API給Python,。Python調(diào)用這些API,，設(shè)計(jì)訓(xùn)練模型(Graph)，再將設(shè)計(jì)好的Graph給后端去執(zhí)行,。簡(jiǎn)而言之,，Python的角色是Design,，C++是Run。

一,、預(yù)加載數(shù)據(jù)：

[python] view plain copy

1. import tensorflow as tf  
2. # 設(shè)計(jì)Graph  
3. x1 = tf.constant([2, 3, 4])  
4. x2 = tf.constant([4, 0, 1])  
5. y = tf.add(x1, x2)  
6. # 打開(kāi)一個(gè)session --> 計(jì)算y  
7. with tf.Session() as sess:  
8.     print sess.run(y)  

[python] view plain copy

1. import tensorflow as tf  
2. # 設(shè)計(jì)Graph  
3. x1 = tf.placeholder(tf.int16)  
4. x2 = tf.placeholder(tf.int16)  
5. y = tf.add(x1, x2)  
6. # 用Python產(chǎn)生數(shù)據(jù)  
7. li1 = [2, 3, 4]  
8. li2 = [4, 0, 1]  
9. # 打開(kāi)一個(gè)session --> 喂數(shù)據(jù) --> 計(jì)算y  
10. with tf.Session() as sess:  
11.     print sess.run(y, feed_dict={x1: li1, x2: li2})  

1,、預(yù)加載：將數(shù)據(jù)直接內(nèi)嵌到Graph中,，再把Graph傳入Session中運(yùn)行,。當(dāng)數(shù)據(jù)量比較大時(shí),，Graph的傳輸會(huì)遇到效率問(wèn)題。

2,、用占位符替代數(shù)據(jù),，待運(yùn)行的時(shí)候填充數(shù)據(jù)。

前兩種方法很方便,，但是遇到大型數(shù)據(jù)的時(shí)候就會(huì)很吃力,，即使是Feeding，中間環(huán)節(jié)的增加也是不小的開(kāi)銷,，比如數(shù)據(jù)類型轉(zhuǎn)換等等,。最優(yōu)的方案就是在Graph定義好文件讀取的方法，讓TF自己去從文件中讀取數(shù)據(jù),，并解碼成可使用的樣本集,。

三、從文件中讀取,，簡(jiǎn)單來(lái)說(shuō)就是將數(shù)據(jù)讀取模塊的圖搭好

1,、準(zhǔn)備數(shù)據(jù)，構(gòu)造三個(gè)文件,A.csv,B.csv,C.csv

[python] view plain copy

1. $ echo -e "Alpha1,A1\nAlpha2,A2\nAlpha3,A3" > A.csv  
2. $ echo -e "Bee1,B1\nBee2,B2\nBee3,B3" > B.csv  
3. $ echo -e "Sea1,C1\nSea2,C2\nSea3,C3" > C.csv  

[python] view plain copy

1. #-*- coding:utf-8 -*-  
2. import tensorflow as tf  
3. # 生成一個(gè)先入先出隊(duì)列和一個(gè)QueueRunner,生成文件名隊(duì)列  
4. filenames = ['A.csv', 'B.csv', 'C.csv']  
5. filename_queue = tf.train.string_input_producer(filenames, shuffle=False)  
6. # 定義Reader  
7. reader = tf.TextLineReader()  
8. key, value = reader.read(filename_queue)  
9. # 定義Decoder  
10. example, label = tf.decode_csv(value, record_defaults=[['null'], ['null']])  
11. #example_batch, label_batch = tf.train.shuffle_batch([example,label], batch_size=1, capacity=200, min_after_dequeue=100, num_threads=2)  
12. # 運(yùn)行Graph  
13. with tf.Session() as sess:  
14.     coord = tf.train.Coordinator()  #創(chuàng)建一個(gè)協(xié)調(diào)器，管理線程  
15.     threads = tf.train.start_queue_runners(coord=coord)  #啟動(dòng)QueueRunner, 此時(shí)文件名隊(duì)列已經(jīng)進(jìn)隊(duì),。  
16.     for i in range(10):  
17.         print example.eval(),label.eval()  
18.     coord.request_stop()  
19.     coord.join(threads)  

Alpha1 A2
Alpha3 B1
Bee2 B3
Sea1 C2
Sea3 A1
Alpha2 A3
Bee1 B2
Bee3 C1
Sea2 C3
Alpha1 A2

解決方案：用tf.train.shuffle_batch,那么生成的結(jié)果就能夠?qū)?yīng)上,。

[python] view plain copy

1. #-*- coding:utf-8 -*-  
2. import tensorflow as tf  
3. # 生成一個(gè)先入先出隊(duì)列和一個(gè)QueueRunner,生成文件名隊(duì)列  
4. filenames = ['A.csv', 'B.csv', 'C.csv']  
5. filename_queue = tf.train.string_input_producer(filenames, shuffle=False)  
6. # 定義Reader  
7. reader = tf.TextLineReader()  
8. key, value = reader.read(filename_queue)  
9. # 定義Decoder  
10. example, label = tf.decode_csv(value, record_defaults=[['null'], ['null']])  
11. example_batch, label_batch = tf.train.shuffle_batch([example,label], batch_size=1, capacity=200, min_after_dequeue=100, num_threads=2)  
12. # 運(yùn)行Graph  
13. with tf.Session() as sess:  
14.     coord = tf.train.Coordinator()  #創(chuàng)建一個(gè)協(xié)調(diào)器，管理線程  
15.     threads = tf.train.start_queue_runners(coord=coord)  #啟動(dòng)QueueRunner, 此時(shí)文件名隊(duì)列已經(jīng)進(jìn)隊(duì)。  
16.     for i in range(10):  
17.         e_val,l_val = sess.run([example_batch, label_batch])  
18.         print e_val,l_val  
19.     coord.request_stop()  
20.     coord.join(threads)  

[python] view plain copy

1. #-*- coding:utf-8 -*-  
2. import tensorflow as tf  
3. filenames = ['A.csv', 'B.csv', 'C.csv']  
4. filename_queue = tf.train.string_input_producer(filenames, shuffle=False)  
5. reader = tf.TextLineReader()  
6. key, value = reader.read(filename_queue)  
7. example, label = tf.decode_csv(value, record_defaults=[['null'], ['null']])  
8. # 使用tf.train.batch()會(huì)多加了一個(gè)樣本隊(duì)列和一個(gè)QueueRunner,。  
9. #Decoder解后數(shù)據(jù)會(huì)進(jìn)入這個(gè)隊(duì)列，再批量出隊(duì),。  
10. # 雖然這里只有一個(gè)Reader,，但可以設(shè)置多線程，相應(yīng)增加線程數(shù)會(huì)提高讀取速度,，但并不是線程越多越好,。  
11. example_batch, label_batch = tf.train.batch(  
12.       [example, label], batch_size=5)  
13. with tf.Session() as sess:  
14.     coord = tf.train.Coordinator()  
15.     threads = tf.train.start_queue_runners(coord=coord)  
16.     for i in range(10):  
17.         e_val,l_val = sess.run([example_batch,label_batch])  
18.         print e_val,l_val  
19.     coord.request_stop()  
20.     coord.join(threads)  

[python] view plain copy

1. #-*- coding:utf-8 -*-  
2. import tensorflow as tf  
3. filenames = ['A.csv', 'B.csv', 'C.csv']  
4. filename_queue = tf.train.string_input_producer(filenames, shuffle=False)  
5. reader = tf.TextLineReader()  
6. key, value = reader.read(filename_queue)  
7. example, label = tf.decode_csv(value, record_defaults=[['null'], ['null']])  
8. # 使用tf.train.batch()會(huì)多加了一個(gè)樣本隊(duì)列和一個(gè)QueueRunner,。  
9. #Decoder解后數(shù)據(jù)會(huì)進(jìn)入這個(gè)隊(duì)列，再批量出隊(duì),。  
10. # 雖然這里只有一個(gè)Reader,，但可以設(shè)置多線程，相應(yīng)增加線程數(shù)會(huì)提高讀取速度,，但并不是線程越多越好,。  
11. example_batch, label_batch = tf.train.batch(  
12.       [example, label], batch_size=5)  
13. with tf.Session() as sess:  
14.     coord = tf.train.Coordinator()  
15.     threads = tf.train.start_queue_runners(coord=coord)  
16.     for i in range(10):  
17.         print example_batch.eval(), label_batch.eval()  
18.     coord.request_stop()  
19.     coord.join(threads)  

['Alpha1' 'Alpha2' 'Alpha3' 'Bee1' 'Bee2'] ['B3' 'C1' 'C2' 'C3' 'A1']
['Alpha2' 'Alpha3' 'Bee1' 'Bee2' 'Bee3'] ['C1' 'C2' 'C3' 'A1' 'A2']
['Alpha3' 'Bee1' 'Bee2' 'Bee3' 'Sea1'] ['C2' 'C3' 'A1' 'A2' 'A3']

4、多個(gè)reader,，多個(gè)樣本

[python] view plain copy

1. #-*- coding:utf-8 -*-  
2. import tensorflow as tf  
3. filenames = ['A.csv', 'B.csv', 'C.csv']  
4. filename_queue = tf.train.string_input_producer(filenames, shuffle=False)  
5. reader = tf.TextLineReader()  
6. key, value = reader.read(filename_queue)  
7. record_defaults = [['null'], ['null']]  
8. #定義了多種解碼器,每個(gè)解碼器跟一個(gè)reader相連  
9. example_list = [tf.decode_csv(value, record_defaults=record_defaults)  
10.                   for _ in range(2)]  # Reader設(shè)置為2  
11. # 使用tf.train.batch_join(),，可以使用多個(gè)reader，并行讀取數(shù)據(jù),。每個(gè)Reader使用一個(gè)線程,。  
12. example_batch, label_batch = tf.train.batch_join(  
13.       example_list, batch_size=5)  
14. with tf.Session() as sess:  
15.     coord = tf.train.Coordinator()  
16.     threads = tf.train.start_queue_runners(coord=coord)  
17.     for i in range(10):  
18.         e_val,l_val = sess.run([example_batch,label_batch])  
19.         print e_val,l_val  
20.     coord.request_stop()  
21.     coord.join(threads)  

5,、迭代控制，設(shè)置epoch參數(shù),，指定我們的樣本在訓(xùn)練的時(shí)候只能被用多少輪

[python] view plain copy

1. #-*- coding:utf-8 -*-  
2. import tensorflow as tf  
3. filenames = ['A.csv', 'B.csv', 'C.csv']  
4. #num_epoch: 設(shè)置迭代數(shù)  
5. filename_queue = tf.train.string_input_producer(filenames, shuffle=False,num_epochs=3)  
6. reader = tf.TextLineReader()  
7. key, value = reader.read(filename_queue)  
8. record_defaults = [['null'], ['null']]  
9. #定義了多種解碼器,每個(gè)解碼器跟一個(gè)reader相連  
10. example_list = [tf.decode_csv(value, record_defaults=record_defaults)  
11.                   for _ in range(2)]  # Reader設(shè)置為2  
12. # 使用tf.train.batch_join(),，可以使用多個(gè)reader,，并行讀取數(shù)據(jù)。每個(gè)Reader使用一個(gè)線程,。  
13. example_batch, label_batch = tf.train.batch_join(  
14.       example_list, batch_size=1)  
15. #初始化本地變量  
16. init_local_op = tf.initialize_local_variables()  
17. with tf.Session() as sess:  
18.     sess.run(init_local_op)  
19.     coord = tf.train.Coordinator()  
20.     threads = tf.train.start_queue_runners(coord=coord)  
21.     try:  
22.         while not coord.should_stop():  
23.             e_val,l_val = sess.run([example_batch,label_batch])  
24.             print e_val,l_val  
25.     except tf.errors.OutOfRangeError:  
26.             print('Epochs Complete!')  
27.     finally:  
28.             coord.request_stop()  
29.     coord.join(threads)  
30.     coord.request_stop()  
31.     coord.join(threads)  

=========================================================================================對(duì)于傳統(tǒng)的機(jī)器學(xué)習(xí)而言,，比方說(shuō)分類問(wèn)題,，[x1 x2 x3]是feature。對(duì)于二分類問(wèn)題,label經(jīng)過(guò)one-hot編碼之后就會(huì)是[0,1]或者[1,0],。一般情況下,，我們會(huì)考慮將數(shù)據(jù)組織在csv文件中,一行代表一個(gè)sample。然后使用隊(duì)列的方式去讀取數(shù)據(jù)

說(shuō)明：對(duì)于該數(shù)據(jù),前三列代表的是feature,，因?yàn)槭欠诸悊?wèn)題,后兩列就是經(jīng)過(guò)one-hot編碼之后得到的label

使用隊(duì)列讀取該csv文件的代碼如下：

[python] view plain copy

1. #-*- coding:utf-8 -*-  
2. import tensorflow as tf  
3. # 生成一個(gè)先入先出隊(duì)列和一個(gè)QueueRunner,生成文件名隊(duì)列  
4. filenames = ['A.csv']  
5. filename_queue = tf.train.string_input_producer(filenames, shuffle=False)  
6. # 定義Reader  
7. reader = tf.TextLineReader()  
8. key, value = reader.read(filename_queue)  
9. # 定義Decoder  
10. record_defaults = [[1], [1], [1], [1], [1]]  
11. col1, col2, col3, col4, col5 = tf.decode_csv(value,record_defaults=record_defaults)  
12. features = tf.pack([col1, col2, col3])  
13. label = tf.pack([col4,col5])  
14. example_batch, label_batch = tf.train.shuffle_batch([features,label], batch_size=2, capacity=200, min_after_dequeue=100, num_threads=2)  
15. # 運(yùn)行Graph  
16. with tf.Session() as sess:  
17.     coord = tf.train.Coordinator()  #創(chuàng)建一個(gè)協(xié)調(diào)器,，管理線程  
18.     threads = tf.train.start_queue_runners(coord=coord)  #啟動(dòng)QueueRunner, 此時(shí)文件名隊(duì)列已經(jīng)進(jìn)隊(duì)。  
19.     for i in range(10):  
20.         e_val,l_val = sess.run([example_batch, label_batch])  
21.         print e_val,l_val  
22.     coord.request_stop()  
23.     coord.join(threads)  

說(shuō)明：

record_defaults = [[1], [1], [1], [1], [1]]