Conversão de tipo de conjunto de dados — arquivo TFRecords

TFRecord é o formato de armazenamento do conjunto de dados no TensorFlow. Quando organizamos os conjuntos de dados no formato TFRecord, o TensorFlow pode ler e processar com eficiência esses conjuntos de dados, ajudando-nos a conduzir o treinamento de modelos em larga escala com mais eficiência.

Formato: TFRecord pode ser entendido como um arquivo de lista composto por uma série de elementos tf.train.Example serializados, e cada tf.train.Example é composto por vários dicionários tf.train.Feature. O formulário é o seguinte:

[
    {
    
       # example 1 (tf.train.Example)
        'feature_1': tf.train.Feature,
        ...
        'feature_k': tf.train.Feature
    },
    ...
    {
    
       # example N (tf.train.Example)
        'feature_1': tf.train.Feature,
        ...
        'feature_k': tf.train.Feature
    }
]
# 字典结构如
feature = {
    
    
                'image': tf.train.Feature(bytes_list=tf.train.BytesList(value=[image])), 
                'label': tf.train.Feature(int64_list=tf.train.Int64List(value=[label]))  
            }

• Salvar TFRecord
  • Para organizar vários conjuntos de dados no formato TFRecord, precisamos executar as seguintes etapas para cada elemento no conjunto de dados:
    ler o elemento de dados na memória
  • Converta este elemento em um objeto tf.train.Example (cada tf.train.Example consiste em vários dicionários tf.train.Feature, então você precisa criar um dicionário Feature primeiro);
  • Serialize o objeto tf.train.Example em uma string e grave-o em um arquivo TFRecord por meio de um tf.io.TFRecordWriter predefinido.
• Ler dados TFRecord
  • Leia o arquivo TFRecord original por meio de tf.data.TFRecordDataset (neste momento, o objeto tf.train.Example no arquivo não foi desserializado) e obtenha um objeto de conjunto de dados tf.data.Dataset;
  • Por meio do método Dataset.map, execute a função tf.io.parse_single_example para cada string tf.train.Example serializada no objeto de conjunto de dados para obter a desserialização.

código:

# -*- coding: utf-8 -*-
"""
@Time    : 2022-08-03 22:02
@Author  : peyzhang
@File    : tfRecode.py
@Software: PyCharm
"""

import tensorflow as tf
import os
os.environ["TF_CPP_MIN_LOG_LEVEL"] = "2"

train_cars_dir = 'F:/AI/data//train/car/'
train_human_dir = 'F:/AI/data//train/dog/'
tfrecord_file = 'F:/AI/data//train.tfrecords'


def main():

    train_car_filenames =  [train_cars_dir + filename for filename in os.listdir(train_cars_dir)]
    train_dog_filenames =  [train_human_dir + filename for filename in os.listdir(train_human_dir)]
    train_filename = train_car_filenames + train_dog_filenames
    train_labels = [0] * len(train_car_filenames) + [1] *len(train_dog_filenames)
    print(train_filename)
    print(train_labels)

    with tf.io.TFRecordWriter(tfrecord_file) as writer:
        for filename , label in zip(train_filename, train_labels):
            image = open(filename,"rb").read()
            feature = {
    
    
                "image": tf.train.Feature(bytes_list=tf.train.BytesList(value=[image])),
                "label": tf.train.Feature(int64_list=tf.train.Int64List(value=[label]))
            }

            example = tf.train.Example(features=tf.train.Features(feature=feature))
            writer.write(example.SerializeToString())
def readTFrecord():
    raw_dataset = tf.data.TFRecordDataset(tfrecord_file)
    feature_description = {
    
    
        'image': tf.io.FixedLenFeature([], tf.string),
        'label': tf.io.FixedLenFeature([], tf.int64),
    }

    def decoding(example_string):
        fdict = tf.io.parse_single_example(example_string, feature_description)
        fdict['image'] = tf.io.decode_jpeg(fdict['image'])
        return fdict['image'], fdict['label']

    dataseate = raw_dataset.map(decoding)
    for iamge , label in dataseate:
        print(iamge, label)

if __name__ == '__main__':
    # main()
    readTFrecord()