Effective TensorFlow Chapter 5: 在TensorFlow中，给模型喂数据(feed data)

本文翻译自：《Feeding data to TensorFlow》，如有侵权请联系删除，仅限于学术交流，请勿商用。如有谬误，请联系指出。

TensorFlow被设计可以在大规模的数据情况下高效地运行。所以你需要记住千万不要“饿着”你的TF模型，这样才能得到最好的表现。一般来说，一共有三种方法可以“喂养”（feed）你的模型。

常数方式（Constants）

最简单的方式莫过于直接将数据当成常数嵌入你的计算图中，如：

import tensorflow as tf
import numpy as np

actual_data = np.random.normal(size=[100])
data = tf.constant(actual_data)

这个方式非常地高效，但是却不灵活。这个方式存在一个大问题就是为了在其他数据集上复用你的模型，你必须要重写你的计算图，而且你必须同时加载所有数据，并且一直保存在内存里，这意味着这个方式仅仅适用于小数剧集的情况。

占位符方式（Placeholders）

可以通过占位符(placeholder)的方式解决刚才常数喂养网络的问题，如：

import tensorflow as tf
import numpy as np

data = tf.placeholder(tf.float32)
prediction = tf.square(data) + 1
actual_data = np.random.normal(size=[100])
tf.Session().run(prediction, feed_dict={data: actual_data})

占位符操作符返回一个张量，他的值在会话(session)中通过人工指定的feed_dict参数得到(fetch)。（译者：也就是说占位符其实只是占据了数据喂养的位置而已，而不是真正的数据，所以在训练过程中，如果真正需要使用这个数据，就必须要指定合法的feed_dict，否则将会报错。）

通过python的操作（python ops）

还可以通过利用python ops喂养数据：

def py_input_fn():
    actual_data = np.random.normal(size=[100])
    return actual_data

data = tf.py_func(py_input_fn, [], (tf.float32))

python ops允许你将一个常规的python函数转换成一个TF的操作。（译者：这种方法不常用。）

利用TF的自带数据集API（Dataset API）

最值得推荐的方式就是通过TF自带的数据集API进行喂养数据，如：

actual_data = np.random.normal(size=[100])
dataset = tf.contrib.data.Dataset.from_tensor_slices(actual_data)
data = dataset.make_one_shot_iterator().get_next()

如果你需要从文件中读入数据，你可能需要将文件转化为TFrecord格式，这将会使得整个过程更加有效（译者：同时，可以利用TF中的队列机制和多线程机制，实现无阻塞的训练。）

dataset = tf.contrib.data.Dataset.TFRecordDataset(path_to_data)

查看官方文档，了解如何将你的数据集转化为TFrecord格式。（译者：我即将推出关于TFrecord的博文，有需要的朋友敬请关注。）

dataset = ...
dataset = dataset.cache()
if mode == tf.estimator.ModeKeys.TRAIN:
    dataset = dataset.repeat()
    dataset = dataset.shuffle(batch_size * 5)
dataset = dataset.map(parse, num_threads=8)
dataset = dataset.batch(batch_size)

在读入了数据之后，我们使用Dataset.cache()方法，将其缓存到内存中，以求更高的效率。在训练模式中，我们不断地重复数据集，这使得我们可以多次处理整个数据集。我们也需要打乱（shuffle）数据集得到batch，这个batch将会有不同的样本分布。下一步，我们使用Dataset.map()方法，对原始的数据（raw records）进行预处理，将数据转换成一个模型可以识别，利用的格式。（译者：map参考MapDeduce和python自带的高阶函数map）然后，我们就通过Dataset.batch()，创造样本的batch了。