大家好，又见面了，我是你们的朋友全栈君。如果您正在找激活码,请点击查看最新教程,关注关注公众号 “全栈程序员社区” 获取激活教程,可能之前旧版本教程已经失效.最新Idea2022.1教程亲测有效,一键激活。

Jetbrains全家桶1年46，售后保障稳定

tfrecord

这次只记录我在实验中遇到的情况和略懂的几点，多余的我没有怎么看【笑哭】，一个是因为懒，一个是因为官网介绍页太少了8，有点心塞~~
开门见山，关于Tensorflow读取数据，官网给出了三种方法，分别是：
1.供给数据(Feeding)： 在TensorFlow程序训练或者测试的每一个epoch，在tf.Session().run()函数中，以字典的形式通过feed_dict参数进行赋值。
2.从文件读取数据： 在TensorFlow图的起始， 让一个输入管线从文件中读取数据。
3.预加载数据： 在TensorFlow图中定义常量或变量来保存所有数据(仅适用于数据量比较小的情况)。

截止到目前为止，由于我使用tensorflow的时间不长，次数不多，所以只是尝试过第一种和第三种方法。最近刚刚尝试了第三种方法，使用的是tensorflow内定的标准读取数据的格式—tfrecord，在这里记录一下。（好像并没有开门见山，尴尬脸）

TFRecords是一种二进制文件，这个格式我真的理解无能，据说它不对数据进行压缩,所以可以被快速加载到内存中，要复制和移动的时候也是咻的一下就搞定，所以说人家作为内定格式是有原因的，嗯，没错，凭实力内定。但是这种格式不支持随机访问，因此它适合于大量的数据流，但不适用于快速分片或其他非连续存取。

tfrecord的使用流程

写入tfrecord文件

TFRecords文件包含了tf.train.Example 协议内存块(protocol buffer)(协议内存块包含了字段 Features)。我们可以写一段代码获取你的数据， 将数据填入到Example协议内存块(protocol buffer)，将协议内存块序列化为一个字符串， 并且通过tf.python_io.TFRecordWriter 写入到TFRecords文件。

上面这段话是从别人那里复制来的。用更通俗的话来解释一下。分两种情况来说：
1.一次往tfrecord文件中存储一个样本数据
2.一次往tfrecord文件中存储一个bacth的样本数据
对于第一种情况（一次往tfrecord文件中存储一个样本数据），每一个样本的特征构造一个dict={‘特征1’：“value1”,”特征2”：“value2”，…，“特征n”:“value n”}。
首先通过tf.python_io.TFRecordWriter函数打开要写入的tfrecord文件。

writer = tf.python_io.TFRecordWriter(outfile)

Jetbrains全家桶1年46，售后保障稳定

然后通过下面这种形式把样本特征存到example中。

example = tf.train.Example(
                    features=tf.train.Features( #构造每个样本的信息键值对
                        feature={ 
   
                            'fm_feat_indices': tf.train.Feature(
                                bytes_list=tf.train.BytesList(value=[fm_feat_indices_str])),
                            'fm_feat_values': tf.train.Feature(
                                float_list=tf.train.FloatList(value=fm_feat_values)),
                            'fm_feat_shape': tf.train.Feature(
                                int64_list=tf.train.Int64List(value=fm_feat_shape)),
                            'labels': tf.train.Feature(
                                bytes_list=tf.train.BytesList(value=[labels_str]))
                        }
                    )
                )

然后在对example进行序列化。

serialized = example.SerializeToString()

最后将序列化好的样本特征写入tfrecord文件。

writer.write(serialized)

这样就能成功写入tfrecord文件啦【转圈圈】。但是呢，在深度学习中要使用的时候通常是用batch_size作为使用单位的，每次取出一个batch的数据。所以在读的时候要自己构造batch生成器。个人感觉这样会麻烦一些。所以想省事的童鞋第二种情况就比较适合你们啦。

对于第二种情况（一次往tfrecord文件中存储一个batch样本数据），步骤也是和上面一样。唯一的差别是存入feature的每一项特征不再是每一个样本的特征，而是一个batch中的样本的所有特征组成的list或者array。这样之后读取的时候，每次读取一个样本值，所得到的就是batch的内容。

读取tfrecord文件

从TFRecords文件中读取数据， 可以使用tf.TFRecordReader的tf.parse_single_example解析器。这个操作可以将Example协议内存块(protocol buffer)解析为张量。

 def get_iterator(self, src_dataset):
     src_dataset = src_dataset.map(self.parser)
     iterator = src_dataset.make_initializable_iterator()
     # 所需数据格式
     _fm_feat_indices, _fm_feat_values,  _fm_feat_shape, _labels = iterator.get_next()
     self.initializer = iterator.initializer
     self.fm_feat_indices = _fm_feat_indices
     self.fm_feat_values = _fm_feat_values
     self.fm_feat_shape = _fm_feat_shape
     self.labels = _labels

 def parser(self, record):
     keys_to_features = { 
   
         'fm_feat_indices': tf.FixedLenFeature([], tf.string), # （batch_size,）
         'fm_feat_values': tf.VarLenFeature(tf.float32), # （batch_size）
         'fm_feat_shape': tf.FixedLenFeature([2], tf.int64), # （batch_size,2）
         'labels': tf.FixedLenFeature([], tf.string), # （batch_size,）
     }
     parsed = tf.parse_single_example(record, keys_to_features)
     fm_feat_indices = tf.reshape(tf.decode_raw(parsed['fm_feat_indices'], tf.int64), [-1, 2])  # （batch_size,2）
     fm_feat_values = tf.sparse_tensor_to_dense(parsed['fm_feat_values'])
     fm_feat_shape = parsed['fm_feat_shape']
     labels = tf.reshape(tf.decode_raw(parsed['labels'], tf.float32), [-1, 1])
     return fm_feat_indices, fm_feat_values, fm_feat_shape, labels,

由于从 tfrecord 文件中导入的样本是刚才写入的 tf_serialized 序列化样本，所以我们需要对每一个样本进行解析。这里就用 dataset.map(parse_function) 来对 dataset 里的每个样本进行相同的解析操作。
注：dataset.map(输入) 中的输入是一个函数。
解析基本就是写入时的逆过程，所以会需要写入时的信息，上面先列出刚才写入时，所有 feature 的各项信息。
在这个过程中会用到两个函数，tf.FixedLenFeature()和 tf.VarLenFeature()，前者是取固定长度的特征的，后者是针对不定长的特征的，关于这两个函数的具体使用情况可以参照官方文档。但是需要注意的一个地方是，这两个函数都有一个参数是shape，除了字符串类型的特征在取的时候用tf.FixedLenFeature()不用指定要取的特征的shape,其余类型的特征在取的时候要标明取得shape。

tfrecord中的数据格式

接上面一部分，上面一部分中的feature里面的特征只能有三种类型。

• int64：tf.train.Feature(int64_list = tf.train.Int64List(value=输入))

• float32：tf.train.Feature(float_list = tf.train.FloatList(value=输入))

• string：tf.train.Feature(bytes_list=tf.train.BytesList(value=输入))

注：输入必须是 list(向量)，向量的嵌套是不合法的，比如输入=[[1,2],[2,3]]
这里必须要提一下，tfrecord文件中能存储任何类型的数据，不管是标量，向量，还是矩阵，tensor，都能被成功存储到文件中去。但是在存之前要先将矩阵和tensor通过tostring函数转成字符串形式，然后再存成striing类型的数据。对，就是这样，万物皆可存，万物皆可字符串化。

fm_feat_indices_str = fm_feat_indices.tostring()
labels_str = labels.tostring()

tfrecord中对于变长数据和定长数据的处理

对于定长数据，可以把它转化成int,float,byte三种类型之一，然后存储，在读取的时候使用tf.FixedLenFeature()来获取。
对于变长数据，首先也要转化成int,float,byte三种类型之一，存储的时候如果是把他压成字符形式来存储，这样会丢失数据的维度信息，所以不仅要存储数据本身的内容，还要另外再加一个特征字段用来存储数据的shape,方便后面用tf.VarLenFeature()，这个字段一般用int类型就可以。
读取出来再转换数据形状。

# 变长数据存储
'inp_mask': tf.train.Feature(bytes_list=tf.train.BytesList(value=[inp_mask])),
'inp_shape': tf.train.Feature(int64_list=tf.train.Int64List(value=inp_shape))

好了，这篇先到此结束。