一、我们都知道Python由于GIL的原因导致多线程并不是真正意义上的多线程。但是TensorFlow在做多线程使用的时候是吧GIL锁放开了的。所以TensorFlow是真正意义上的多线程。这里我们主要是介绍queue式的多线程运行方式。
二、了解一下TensorFlow多线程queue的使用过程
tensorflow: 多线程是真正的多线程执行。 队列： tf.FIFOQueue(<capacity>, <dtypes>, <name>), 先进先出 tf.RandomShuffleQueue, 随机出队列 多线程： 当数据量很大时，入队操作从硬盘中读取，放入内存。主线程需要等待操作完成，才能训练。 使用多线程，可以达到边处理，边训练的异步效果。 队列管理器(弃用)： tf.train.QueueRunner(<queue>, <enqueue_ops>) enqueue_ops: 添加线程的队列操作列表[]*2为开启2个线程，[]内为操作部分 method: create_threads(<sess>, <coord>, <start>): 创建线程来运行给定的入队操作。 start: 布尔值，是否启动线程 coord: 线程协调器 return: 线程实例 线程协调器： 协调线程之间终止
注意：这里使用的是TensorFlow1.0版本，在后续的版本中基本 把这种方式废弃了。但是这里为了好的了解文件读取的方式，我们使用queue式的多线程来执行。
import tensorflow as tf def queue_demo(): # 1、声明队列 queue = tf.FIFOQueue(3, dtypes=tf.float32) # 2、加入数据 init_queue = queue.enqueue_many([[0.1, 0.2, 0.3]]) # 3、取出数据 data = queue.dequeue() # 4、处理数据 en_queue = queue.enqueue(data + 1) with tf.Session() as sess: # 初始化操作 sess.run(init_queue) # 循环 for i in range(10): sess.run(en_queue) for i in range(queue.size().eval()): print(queue.dequeue().eval())
import tensorflow as tf def queue_thread_demo(): # 1、声明队列 queue = tf.FIFOQueue(100, dtypes=tf.float32) # 2、加入数据 for i in range(100): queue.enqueue((i + 1)/100) # 3、操作 data = queue.dequeue() en_queue = queue.enqueue(data + 1) # 3、定义队列管理器 qr = tf.train.QueueRunner(queue, enqueue_ops=[en_queue] * 2) with tf.Session() as sess: # 开启线程协调器 coord = tf.train.Coordinator() # 开启线程 threads = qr.create_threads(sess, coord=coord, start=True) for i in range(100): print(sess.run(queue.dequeue())) # 注：没有线程协调器，主线程结束，会结束session，导致异常。 coord.request_stop() coord.join(threads)
三、了解基本的数据读取过程和api
文件io: 1、csv文件读取一行 2、二进制文件指定bytes 3、图片文件一张一张 流程： 1、构造一个文件队列 2、读取文件内容 3、解码文件内容 4、批处理 api: 1、文件队列构造 tf.train.string_input_producer(<string_tensor>, <shuffle=True>) string_tensor: 含有文件名的一阶张量 num_epochs: 过几遍数据，默认无数遍 2、文件阅读器 tf.TextLineReader、csv文件格式类型 tf.FixedLengthRecordReader(record_bytes)、读取固定值的二进制文件 tf.TFRecordReader、读取TfRecords 共同： read(file_queue): 队列中指定数量 return: Tensors 元组（key：文件名， value默认行内容） 3、文件解码器： tf.decode_csv(<records>, <record_defaults=None>, <field_delim=None>, <name=None>) 将CSV转换为张量，与tf.TextLineReader搭配使用 records: tensor型字符串，每一个字符串为CSV中的记录 record_defaults: 参数决定了所有张量的类型，并设置一个值在输入字符串中缺少使用默认值 tf.decode_raw(<bytes>, <out_type>, <little_endian=None>, <name=None>) 将字节转换为一个向量表示，字节为一字符串类型的张量，与函数tf.FixedLengthRecordReader搭配使用，二进制读取为utf-8格式
在读取文件之间先了解批处理的作用，主要是讲每次读出来的数据，缓存，然后到达一个批次，统一训练
管道读端批处理： tf.train.batch(<tensors>, <batch_size>, <num_threads=1>, <capacity=32>, <name=None>) tensors: 张量列表 tf.train.shuffle_batch(<tensors>, <batch_size>, <capacity>, <min_dequeue>) min_dequeue: 留下队列里的张量个数，能够保持随机打乱
四、csv文件读取
csv文件读取： 1、找到文件，构建列表 2、构造文件队列 3、构造阅读器，读取队列内容 4、解码内容 5、批处理
import os import tensorflow as tf def csv_io(): # 1、找到文件，加入队列 file_names = os.listdir("data/csv") file_list = [os.path.join("data/csv", file_name) for file_name in file_names] file_queue = tf.train.string_input_producer(file_list) # 2、读取一行数据 reader = tf.TextLineReader() key, value = reader.read(file_queue) # 3、解码csv records = [[-1], [-1]] num1, num2 = tf.decode_csv(value, record_defaults=records) # 4、批处理 num1_batch, num2_batch = tf.train.batch([num1, num2], batch_size=9, num_threads=1, capacity=9) with tf.Session() as sess: # 加入线程协调器 coord = tf.train.Coordinator() # 线程运行 threads = tf.train.start_queue_runners(sess, coord=coord) print(sess.run([num1_batch, num2_batch])) # 子线程回收 coord.request_stop() coord.join(threads)
五、图片文件读取
图片读取： 每一个样本必须保证特征数量一样 特征值：像素值 单通道：灰度值（黑白图片，像素中只有一个值） 三通道：RGB(每个像素都有3个值) 三要素：长度宽度、通道值 图像的基本操作： 目的： 1、增加图片数据的统一性 2、所有图片装换成指定大小 3、缩小图片数据量，防止增加开销 操作： 缩小图片大小 api： 图片缩放： tf.image.resize_images(<images>, <size>) <images>:4-D形状[batch, height, width, channels]/3-D[height, width, channels] <size>:1-D int32张量：new_height, new_width, 图像的新尺寸 return：4-D/3-D格式图片 图片读取api： tf.WholeFileReader: 将文件的全部内容作为输入的读取器 return:读取器实例 read(<file_queue>):输出将一个文件名（key）和该文件的内容值 图像解码器： tf.image.decode_jpeg(<contents>): 将JPEG编码的图像解码为unit8张量 return：uint8张量，3-D形状[height, width, channels] tf.image.decode_png(): 将PNG编码的图像解码为uint8/uint16的张量 return:张量类型，3-D[height, width, channels]
import os import tensorflow as tf def image_io(): # 1、读取文件放入队列 image_names = os.listdir("data/image") image_files = [os.path.join("data/image", image_name) for image_name in image_names] image_queue = tf.train.string_input_producer(image_files) # 2、读取一张图片数据 reader = tf.WholeFileReader() # value:一整张图片的数据 key, value = reader.read(image_queue) # 3、解码 image = tf.image.decode_jpeg(value) print(image) # 4、处理图片的大小 new_image = tf.image.resize_images(image, [350, 350]) print(new_image) # 注意一定要固定形状,批处理的时候所有数据必须固定 new_image.set_shape([350, 350, 3]) print(new_image) # 5、批处理 image_batch = tf.train.batch([new_image], batch_size=2, num_threads=1, capacity=2) # 6、运行 with tf.Session() as sess: # 加入线程协调器 coord = tf.train.Coordinator() # 线程运行 threads = tf.train.start_queue_runners(sess, coord=coord) print(sess.run([image_batch])) # 子线程回收 coord.request_stop() coord.join(threads)
六、二进制文件读取
二进制文件读取： api: tf.FixedLengthRecordReader(<record_bytes>) record_bytes:数据长度 解码器： tf.decode_raw(<bytes>, <out_type>, <little_endian=None>, <name=None>) bytes：数据 out_type：输出类型
import os import tensorflow as tf def cifar_io(): # 1、读取文件加入队列 cifar_names = os.listdir("data/cifar") cifar_files = [os.path.join("data/cifar", cifar_name) for cifar_name in cifar_names if cifar_name.endswith(".bin") and cifar_name != "test_batch.bin"] file_queue = tf.train.string_input_producer(cifar_files) # 2、读取二进制文件 reader = tf.FixedLengthRecordReader(record_bytes=(32 * 32 * 3 + 1)) key, value = reader.read(file_queue) # 3、解码数据(二进制数据) # 样本数据集根据具体数据处理，这里的数据为第一个数据为目标值，后面的为图片数据 target_image = tf.decode_raw(value, tf.uint8) # 4、分割数据 target = tf.slice(target_image, [0], [1]) image = tf.slice(target_image, [1], [32 * 32 * 3]) # 5、特征数据形状改变 new_image = tf.reshape(image, [32, 32, 3]) print(new_image) # 6、批处理 image_batch, target_batch = tf.train.batch([new_image, target], batch_size=10, capacity=10) print(image_batch, target_batch) # 7、运行 with tf.Session() as sess: # 线程协调器 coord = tf.train.Coordinator() # 线程运行 threads = tf.train.start_queue_runners(sess, coord=coord) print(sess.run([image_batch, target_batch])) # 子线程回收 coord.request_stop() coord.join(threads)
七、上面说完了，常用文件读取的方式，下面说一下TensorFlow文件的存储与读取的方式。TensorFlow一般采用*.threcords文件格式进行保存。它是一种内置文件格式，是一种二进制文件，它可以更好的利用内存，更方便的复制和移动。
tf.TFRecordReader 一种内置文件格式，是一种二进制文件，它可以更好的利用内存，更方便的复制和移动 为了将二进制数据和标签（训练类别标签），数据存储在同一文件中 分析、存取 文件格式：*.threcords 写入文件内容：example协议块 TF存储： TFRecord存储器 tf.python_io.TFRecordWriter(<path>) method: write(record) close Example协议块： tf.train.Example(<features=None>) features:tf.train.Features(<feature=None>)实例 feature:字典数据，key为要保存的数据 tf.train.Feature(<**options>) **options: tf.train.ByteList(<value=[Bytes]>) tf.train.IntList(<value=[Value]>) tf.train.FloatList(<value=[Value]>) return:Features实例 return:Example协议块 TF读取： tf.parse_example(<serialized>, <features=None>, <name=None>) serialized:标量字符串Tensor,一个序列化的Example features:dict字典数据，键为读取的名字，值为FixedLenFeature return:一个键值对组成的字典，键为读取的名字 tf.FixedLenFeature(<shape>, <dtype>) shape:形状 dtype:数据类型（float32/int64/string）
import os import tensorflow as tf def tf_records_io(): # 1、读取文件加入队列 cifar_names = os.listdir("data/cifar") cifar_files = [os.path.join("data/cifar", cifar_name) for cifar_name in cifar_names if cifar_name.endswith(".bin") and cifar_name != "test_batch.bin"] file_queue = tf.train.string_input_producer(cifar_files) # 2、读取二进制文件 reader = tf.FixedLengthRecordReader(record_bytes=(32 * 32 * 3 + 1)) key, value = reader.read(file_queue) # 3、解码数据(二进制数据) # 样本数据集根据具体数据处理，这里的数据为第一个数据为目标值，后面的为图片数据 target_image = tf.decode_raw(value, tf.uint8) # 4、分割数据 target = tf.slice(target_image, [0], [1]) image = tf.slice(target_image, [1], [32 * 32 * 3]) # 5、特征数据形状改变 new_image = tf.reshape(image, [32, 32, 3]) print(new_image) # 6、批处理 image_batch, target_batch = tf.train.batch([new_image, target], batch_size=10, capacity=10) print(image_batch, target_batch) # 7、tf文件写入 with tf.Session() as sess: if not os.path.exists("data/tf_records/cifar.tfrecords"): # 1)存进tfRecords文件 print("开始存储") with tf.python_io.TFRecordWriter(path="data/tf_records/cifar.tfrecords") as writer: # 2)循环次数为批次数 for i in range(10): # 获取对应值 image_data = image_batch[i].eval().tostring() target_data = int(target_batch[i].eval()[0]) # 3)产生实例 example = tf.train.Example(features=tf.train.Features(feature={ "image": tf.train.Feature(bytes_list=tf.train.BytesList(value=[image_data])), "target": tf.train.Feature(int64_list=tf.train.Int64List(value=[target_data])) })) # 4)写入数据 writer.write(example.SerializeToString()) print("结束存储") # 8、tf文件读取 # 1)读取tfRecords文件 tf_queue = tf.train.string_input_producer(["data/tf_records/cifar.tfrecords"]) # 2)读取数据 tf_reader = tf.TFRecordReader() key, value = tf_reader.read(tf_queue) # 3)解析example features = tf.parse_single_example(value, features={ "image": tf.FixedLenFeature([], dtype=tf.string), "target": tf.FixedLenFeature([], dtype=tf.int64) }) print(features["image"], features["target"]) # 4)解码数据 image = tf.decode_raw(features["image"], tf.uint8) image_reshape = tf.reshape(image, [32, 32, 3]) target = tf.cast(features["target"], tf.int32) print(image_reshape, target) # 5)批处理 image_batch, target_batch = tf.train.batch([image_reshape, target], batch_size=10, capacity=10) # 9、运行 with tf.Session() as sess: # 线程协调器 coord = tf.train.Coordinator() # 线程运行 threads = tf.train.start_queue_runners(sess, coord=coord) # tf文件读取 print(sess.run([image_batch, target_batch])) # 子线程回收 coord.request_stop() coord.join(threads)
八、总结，说起来文件读取只是读取各种数据样本的开始，这里的几种读取方式基本上就是常用的几种形式了。目的是认识常规数据读取的方式。
但是这里要说明：现在处理数据的方式一般采用tf.data的api来进行数据的处理和调整。所以需要把精力放在tf.data上面。