tf.train.batch的偶尔乱序问题

tf.train.batch的偶尔乱序问题

tf.train.batch的偶尔乱序问题

• 我们在通过tf.Reader读取文件后，都需要用batch函数将读取的数据根据预先设定的batch_size打包为一个个独立的batch方便我们进行学习。
• 常用的batch函数有tf.train.batch和tf.train.shuffle_batch函数。前者是将数据从前往后读取并顺序打包，后者则要进行乱序处理————即将读取的数据进行乱序后在组成批次。
• 训练时我往往都是使用shuffle_batch函数，但是这次我在验证集上预调好模型并freeze模型后我需要在测试集上进行测试。此时我需要将数据的标签和inference后的结果进行一一对应。 此时数据出现的顺序是十分重要的，这保证我们的产品在上线前的测试集中能准确get到每个数据和inference后结果的差距 而在验证集中我们不太关心数据原有的标签和inference后的真实值，我们往往只是需要让这两个数据一一对应，关于数据出现的顺序我们并不关心。
• 此时我们一般使用tf.train.batch函数将tf.Reader读取的值进行顺序打包即可。

然而tf.train.batch函数往往会有偶尔乱序的情况

• 我们将csv文件中每个数据样本从上往下依次进行标号，我们在使用tf.trian.batch函数依次进行读取，如果我们读取的数据编号乱序了，则表明tf.train.batch函数有偶尔乱序的状况。

源程序文件下载

test_tf_train_batch.csv

import tensorflow as tf

BATCH_SIZE = 400
NUM_THREADS = 2
MAX_NUM = 500

def read_data(file_queue):
    reader = tf.TextLineReader(skip_header_lines=1)
    key, value = reader.read(file_queue)
    defaults = [[0], [0.], [0.]]
    NUM, C, Tensile = tf.decode_csv(value, defaults)
    vertor_example = tf.stack([C])
    vertor_label = tf.stack([Tensile])
    vertor_num = tf.stack([NUM])

    return vertor_example, vertor_label, vertor_num

def create_pipeline(filename, batch_size, num_threads):
    file_queue = tf.train.string_input_producer([filename])  # 设置文件名队列
    example, label, no = read_data(file_queue)  # 读取数据和标签

    example_batch, label_batch, no_batch = tf.train.batch(
        [example, label, no], batch_size=batch_size, num_threads=num_threads, capacity=MAX_NUM)

    return example_batch, label_batch, no_batch

x_train_batch, y_train_batch, no_train_batch = create_pipeline('test_tf_train_batch.csv', batch_size=BATCH_SIZE,
                                                               num_threads=NUM_THREADS)

init_op = tf.global_variables_initializer()
local_init_op = tf.local_variables_initializer()
with tf.Session() as sess:
    sess.run(local_init_op)
    sess.run(init_op)
    coord = tf.train.Coordinator()
    threads = tf.train.start_queue_runners(coord=coord)
    example, label, num = sess.run([x_train_batch, y_train_batch, no_train_batch])
    print(example)
    print(label)
    print(num)
    coord.request_stop()
    coord.join(threads)

实验结果

我们将csv文件中的真实Tensile值放在第一列，将使用tf.train.batch函数得到的Tensile和no分别放在第二列和第三列

TureTensile	FalseTensile	NO
0.830357143	[ 0.52678573]	[ 66]
0.526785714	[ 0.83035713]	[ 65]
0.553571429	[ 0.4375 ]	[ 68]
0.4375	[ 0.5535714 ]	[ 67]
0.517857143	[ 0.33035713]	[ 70]
0.330357143	[ 0.51785713]	[ 69]
0.482142857	[ 0.6785714 ]	[ 72]
0.678571429	[ 0.48214287]	[ 71]
0.419642857	[ 0.02678571]	[ 74]
0.026785714	[ 0.41964287]	[ 73]
0.401785714	[ 0.4017857 ]	[ 75]

解决方案

• 将测试集中所有样本数据加NO顺序标签列