tensorflow 数据集对象（tf.data）的使用( tf.data.Dataset 、tf.data.TextLineDataset 、 tf.data.TFRecordDataset ) 示例

tensorflow   使用数据集（tf.data）的方法对数据集进行操纵。

1.    对   数组（内存向量）  进行操纵 ：

import tensorflow as tf

input_data = [1, 2, 3, 4, 5]

#从数组生成数据集
dataset = tf.data.Dataset.from_tensor_slices(input_data)

#dataset = dataset.shuffle(3)
#dataset = dataset.repeat(10)
#dataset = dataset.batch(2)
dataset = dataset.shuffle(3).repeat(10).batch(2)

# 定义迭代器。
iterator = dataset.make_one_shot_iterator()

# get_next() 返回代表一个输入数据的张量(batch)。
x = iterator.get_next()
y = x * x

coord=tf.train.Coordinator()
with tf.Session() as sess:
    for i in range(25):
        print(sess.run(y))

2.    读取文本文件里的数据      （     tf.data.TextLineDataset    ）

import tensorflow as tf

# 创建文本文件作为本例的输入。
with open("./test1.txt", "w") as file:
    file.write("File1, line1.\n")
    file.write("File1, line2.\n")
    file.write("File1, line3.\n")
    file.write("File1, line4.\n")
    file.write("File1, line5.\n")

with open("./test2.txt", "w") as file:
    file.write("File2, line1.\n")
    file.write("File2, line2.\n")
    file.write("File2, line3.\n")
    file.write("File2, line4.\n")
    file.write("File2, line5.\n")

# 从文本文件创建数据集。这里可以提供多个文件。
input_files = ["./test1.txt", "./test2.txt"]
dataset = tf.data.TextLineDataset(input_files)
#dataset = dataset.shuffle(3).repeat(2).batch(2)

# 定义迭代器。
iterator = dataset.make_one_shot_iterator()

# 这里get_next()返回一个字符串类型的张量，代表文件中的一行。
x = iterator.get_next()
with tf.Session() as sess:
    for i in range(10):
        print(sess.run(x))

3.     解析TFRecord文件里的数据

准备工作：（mnist数据集的tfrecord格式的保存）

import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data
import numpy as np

def _float32_feature(value):
    return tf.train.Feature(float_list=tf.train.FloatList(value=[value]))

def _int64_feature(value):
    return tf.train.Feature(int64_list=tf.train.Int64List(value=[value]))

def _bytes_feature(value):
    return tf.train.Feature(bytes_list=tf.train.BytesList(value=[value]))

mnist=input_data.read_data_sets('./data', dtype=tf.uint8, one_hot=True)
"""
print(mnist.train.images)
print(mnist.train.labels)
print(mnist.test.images)
print(mnist.test.labels)
"""
train_images=mnist.train.images
train_labels=mnist.train.labels
#test_images=mnist.test.images
#test_labels=mnist.test.labels

train_num=mnist.train.num_examples
#test_num=mnist.test.num_examples 

pixels=train_images.shape[1]   # 784 = 28*28

file_out='./data/output.tfrecords'
writer=tf.python_io.TFRecordWriter(file_out)

for index in range(train_num):
    image_raw=train_images[index].tostring() #转换为bytes序列   

    example=tf.train.Example(features=tf.train.Features(feature={
               'pixels': _int64_feature(pixels),
               'label':_int64_feature(np.argmax(train_labels[index])),
               'x':_float32_feature(0.1),
               'y':_bytes_feature(bytes('abcde', 'utf-8')),
               'image_raw':_bytes_feature(image_raw)}))

    writer.write(example.SerializeToString())
writer.close()

准备工作：（mnist数据集的tfrecord格式的读取）

import tensorflow as tf

reader=tf.TFRecordReader()

files=tf.train.match_filenames_once('./data/output.*')

#filename_queue=tf.train.string_input_producer(['./data/output.tfrecords'])
filename_queue=tf.train.string_input_producer(files)

_, serialized_example=reader.read(filename_queue)

features=tf.parse_single_example(serialized_example,
                   features={
                           'image_raw':tf.FixedLenFeature([], tf.string),
                           'pixels':tf.FixedLenFeature([], tf.int64),
                           'label':tf.FixedLenFeature([], tf.int64),
                           'x':tf.FixedLenFeature([], tf.float32),
                           'y':tf.FixedLenFeature([], tf.string)
                            })

#print(features['image_raw'])    # tensor string （bytes tensor      string tensor）

# necessary operation
# bytes_list   to   uint8_list
image=tf.decode_raw(features['image_raw'], tf.uint8)
#print(image)    # tensor uint8

x=features['x']

#y=tf.cast(features['y'], tf.string)
y=features['y']

label=tf.cast(features['label'], tf.int32)
pixels=tf.cast(features['pixels'], tf.int32)

#image.set_shape([pixels**0.5, pixels**0.5])
image.set_shape([784])

batch_size=2
image_batch, label_batch, pixels_batch, x_batch, y_batch=tf.train.batch([image, label, pixels,x,y], batch_size=batch_size, capacity=1000+3*batch_size)

coord=tf.train.Coordinator()

with tf.Session() as sess:
    sess.run(tf.local_variables_initializer())
    threads=tf.train.start_queue_runners(sess=sess, coord=coord)

    for i in range(1):
        print(sess.run([image_batch, label_batch, pixels_batch, x_batch, y_batch]))

    coord.request_stop()
    coord.join(threads)

正式工作：（mnist数据集的tfrecord格式     使用    TFRecordDataset    数据集读取）

import tensorflow as tf

files=tf.gfile.Glob('./data/output.*')

dataset = tf.data.TFRecordDataset(files)

def parser(record):
    features=tf.parse_single_example(record,
                   features={
                           'image_raw':tf.FixedLenFeature([], tf.string),
                           'pixels':tf.FixedLenFeature([], tf.int64),
                           'label':tf.FixedLenFeature([], tf.int64),
                           'x':tf.FixedLenFeature([], tf.float32),
                           'y':tf.FixedLenFeature([], tf.string)
                            })

    #print(features['image_raw'])    # tensor string （bytes tensor      string tensor）

    # necessary operation
    # bytes_list   to   uint8_list
    image=tf.decode_raw(features['image_raw'], tf.uint8)
    #print(image)    # tensor uint8

    x=features['x']

    #y=tf.cast(features['y'], tf.string)
    y=features['y']

    label=tf.cast(features['label'], tf.int32)
    pixels=tf.cast(features['pixels'], tf.int32)

    #image.set_shape([pixels**0.5, pixels**0.5])
    image.set_shape([784])
    return image, label, pixels, x, y

# map()函数表示对数据集中的每一条数据进行调用解析方法。
dataset = dataset.map(parser)

# dataset 数据集操纵
dataset = dataset.shuffle(3).repeat(2).batch(2)

# 定义遍历数据集的迭代器。
iterator = dataset.make_one_shot_iterator()

# 读取数据，可用于进一步计算
image, label, pixels, x, y = iterator.get_next()

with tf.Session() as sess:
    for i in range(1):
        print(sess.run([image, label, pixels, x, y]))

4.     使用    initializable_iterator    来动态初始化数据集

# 从TFRecord文件创建数据集，具体文件路径是一个placeholder，稍后再提供具体路径。
input_files = tf.placeholder(tf.string)
dataset = tf.data.TFRecordDataset(input_files)
dataset = dataset.map(parser)

# 定义遍历dataset的initializable_iterator。
iterator = dataset.make_initializable_iterator()
image, label = iterator.get_next()

with tf.Session() as sess:
    # 首先初始化iterator，并给出input_files的值。
    sess.run(iterator.initializer,
             feed_dict={input_files: ["output.tfrecords"]})
    # 遍历所有数据一个epoch。当遍历结束时，程序会抛出OutOfRangeError。
    while True:
        try:
            x, y = sess.run([image, label])
        except tf.errors.OutOfRangeError:
            break 

详细例子：

import tensorflow as tf

files=tf.placeholder(tf.string)

dataset = tf.data.TFRecordDataset(files)

def parser(record):
    features=tf.parse_single_example(record,
                   features={
                           'image_raw':tf.FixedLenFeature([], tf.string),
                           'pixels':tf.FixedLenFeature([], tf.int64),
                           'label':tf.FixedLenFeature([], tf.int64),
                           'x':tf.FixedLenFeature([], tf.float32),
                           'y':tf.FixedLenFeature([], tf.string)
                            })

    #print(features['image_raw'])    # tensor string （bytes tensor      string tensor）

    # necessary operation
    # bytes_list   to   uint8_list
    image=tf.decode_raw(features['image_raw'], tf.uint8)
    #print(image)    # tensor uint8

    x=features['x']

    #y=tf.cast(features['y'], tf.string)
    y=features['y']

    label=tf.cast(features['label'], tf.int32)
    pixels=tf.cast(features['pixels'], tf.int32)

    #image.set_shape([pixels**0.5, pixels**0.5])
    image.set_shape([784])
    return image, label, pixels, x, y

# map()函数表示对数据集中的每一条数据进行调用解析方法。
dataset = dataset.map(parser)

# dataset 数据集操纵
dataset = dataset.shuffle(3).repeat(2).batch(2)

# 定义遍历数据集的迭代器。
#iterator = dataset.make_one_shot_iterator()
# 定义遍历dataset的initializable_iterator。
iterator = dataset.make_initializable_iterator()

# 读取数据，可用于进一步计算
image, label, pixels, x, y = iterator.get_next()

with tf.Session() as sess:
    # 首先初始化iterator，并给出input_files的值。
    sess.run(iterator.initializer,
             feed_dict={files: ["data/output.tfrecords"]})
    for i in range(1):
        print(sess.run([image, label, pixels, x, y]))

或（修改版）：

import tensorflow as tf

files=tf.train.match_filenames_once('./data/output.*')

dataset = tf.data.TFRecordDataset(files)

def parser(record):
    features=tf.parse_single_example(record,
                   features={
                           'image_raw':tf.FixedLenFeature([], tf.string),
                           'pixels':tf.FixedLenFeature([], tf.int64),
                           'label':tf.FixedLenFeature([], tf.int64),
                           'x':tf.FixedLenFeature([], tf.float32),
                           'y':tf.FixedLenFeature([], tf.string)
                            })

    #print(features['image_raw'])    # tensor string （bytes tensor      string tensor）

    # necessary operation
    # bytes_list   to   uint8_list
    image=tf.decode_raw(features['image_raw'], tf.uint8)
    #print(image)    # tensor uint8

    x=features['x']

    #y=tf.cast(features['y'], tf.string)
    y=features['y']

    label=tf.cast(features['label'], tf.int32)
    pixels=tf.cast(features['pixels'], tf.int32)

    #image.set_shape([pixels**0.5, pixels**0.5])
    image.set_shape([784])
    return image, label, pixels, x, y

# map()函数表示对数据集中的每一条数据进行调用解析方法。
dataset = dataset.map(parser)

# dataset 数据集操纵
dataset = dataset.shuffle(3).repeat(2).batch(2)

# 定义遍历数据集的迭代器。
#iterator = dataset.make_one_shot_iterator()
# 定义遍历dataset的initializable_iterator。
iterator = dataset.make_initializable_iterator()

# 读取数据，可用于进一步计算
image, label, pixels, x, y = iterator.get_next()

with tf.Session() as sess:
    # 初始化变量。
    sess.run((tf.global_variables_initializer(),
              tf.local_variables_initializer()))

    # 首先初始化iterator，并给出input_files的值。
    sess.run(iterator.initializer)

    while True:
        try:
            print(sess.run([image, label, pixels, x, y]))
        except tf.errors.OutOfRangeError:
            break

==========================================================

注：

迭代器：

make_one_shot_iterator          方法不能重复初始化，即one-shot(一次性)，但是可以自动初始化。

make_initializable_iterator      必须手动初始化，但是可以重复初始化。