API入门教程 Dataset TensorFlow全新的数据读取方式 (api 教程)

文章编号:46335 资讯动态 2024-12-10 DatasetAPItensorflow

雷锋网 AI科技评论按:本文作者 何之源 ,该文首发于知乎专栏,雷锋网 AI科技评论获其授权转载。

Dataset API是TensorFlow 1.3版本中引入的一个新的模块,主要服务于数据读取,构建输入数据的pipeline。

此前,在TensorFlow中读取数据一般有两种方法:

Dataset API同时支持从内存和硬盘的读取,相比之前的两种方法在语法上更加简洁易懂。此外,如果想要用到TensorFlow新出的Eager模式,就必须要使用Dataset API来读取数据。

本文就来为大家详细地介绍一下Dataset API的使用方法(包括在非Eager模式和Eager模式下两种情况)。

在TensorFlow 1.3中,Dataset API是放在contrib包中的:

而在TensorFlow 1.4中,Dataset API已经从contrib包中移除,变成了核心API的一员:

下面的示例代码将以TensorFlow 1.4版本为例,如果使用TensorFlow 1.3的话,需要进行简单的修改(即加上contrib)。

让我们从基础的类来了解Dataset API。参考Google官方给出的Dataset API中的类图:

Flow全新的数据读取方式:Dataset API入门教程

在初学时,我们只需要关注两个最重要的基础类:Dataset和Iterator。

Dataset可以看作是相同类型“元素”的有序列表。在实际使用时,单个“元素”可以是向量,也可以是字符串、图片,甚至是TUPle或者dict。

先以最简单的,Dataset的每一个元素是一个数字为例:

这样,我们就创建了一个dataset,这个dataset中含有5个元素,分别是1.0, 2.0, 3.0, 4.0, 5.0。

如何将这个dataset中的元素取出呢?方法是从Dataset中示例化一个Iterator,然后对Iterator进行迭代。

在非Eager模式下,读取上述dataset中元素的方法为:

对应的输出结果应该就是从1.0到5.0。语句iterator => 从内存中创建更复杂的Dataset

之前我们用tf.data.Dataset.from_tensor_slices创建了一个最简单的Dataset:

其实,tf.data.Dataset.from_tensor_slices的功能不止如此,它的真正作用是切分传入Tensor的第一个维度,生成相应的dataset。

例如:

传入的数值是一个矩阵,它的形状为(5, 2),tf.data.Dataset.from_tensor_slices就会切分它形状上的第一个维度,最后生成的dataset中一个含有5个元素,每个元素的形状是(2, ),即每个元素是矩阵的一行。

在实际使用中,我们可能还希望Dataset中的每个元素具有更复杂的形式,如每个元素是一个Python中的元组,或是Python中的词典。例如,在图像识别问题中,一个元素可以是{"image": image_tensor, "label": label_tensor}的形式,这样处理起来更方便。

tf.data.Dataset.from_tensor_slices同样支持创建这种dataset,例如我们可以让每一个元素是一个词典:

这时函数会分别切分"a"中的数值以及"b"中的数值,最终dataset中的一个元素就是类似于{"a": 1.0, "b": [0.9, 0.1]}的形式。

利用tf.data.Dataset.from_tensor_slices创建每个元素是一个tuple的dataset也是可以的:

Dataset支持一类特殊的操作:Transformation。一个Dataset通过Transformation变成一个新的Dataset。通常我们可以通过Transformation完成数据变换,打乱,组成batch,生成epoch等一系列操作。

常用的Transformation有:

下面就分别进行介绍。

map接收一个函数,Dataset中的每个元素都会被当作这个函数的输入,并将函数返回值作为新的Dataset,如我们可以对dataset中每个元素的值加1:

batch就是将多个元素组合成batch,如下面的程序将dataset中的每个元素组成了大小为32的batch:

(3)shuffle

shuffle的功能为打乱dataset中的元素,它有一个参数buffersize,表示打乱时使用的buffer的大小:

repeat的功能就是将整个序列重复多次,主要用来处理机器学习中的epoch,假设原先的数据是一个epoch,使用repeat(5)就可以将之变成5个epoch:

如果直接调用repeat()的话,生成的序列就会无限重复下去,没有结束,因此也不会抛出tf.errors.OuToFRangeError异常:

例子:读入磁盘图片与对应label

讲到这里,我们可以来考虑一个简单,但同时也非常常用的例子:读入磁盘中的图片和图片相应的label,并将其打乱,组成batch_size=32的训练样本。在训练时重复10个epoch。

对应的程序为(从官方示例程序修改而来):

在这个过程中,dataset经历三次转变:

除了tf.data.Dataset.from_tensor_slices外,目前Dataset API还提供了另外三种创建Dataset的方式:

它们的详细使用方法可以参阅文档: Module: tf.data

在非Eager模式下,最简单的创建Iterator的方法就是通过dataset.make_one_shot_iterator()来创建一个one shot iterator。除了这种one shot iterator外,还有三个更复杂的Iterator,即:

initializable iterator必须要在使用前通过sess.run()来初始化。 使用initializable iterator,可以将placeholder代入Iterator中,这可以方便我们通过参数快速定义新的Iterator 。一个简单的initializable iterator使用示例:

此时的limit相当于一个“参数”,它规定了Dataset中数的“上限”。

initializable iterator还有一个功能:读入较大的数组。

在使用tf.data.Dataset.from_tensor_slices(array)时,实际上发生的事情是将array作为一个tf.constants保存到了计算图中。 当array很大时,会导致计算图变得很大,给传输、保存带来不便。这时,我们可以用一个placeholder取代这里的array,并使用initializable iterator,只在需要时将array传进去,这样就可以避免把大数组保存在图里,示例代码为(来自官方例程):

reinitializable iterator和feedable iterator相比initializable iterator更复杂,也更加少用,如果想要了解它们的功能,可以参阅 官方介绍 ,这里就不再赘述了。

本文主要介绍了Dataset API的基本架构:Dataset类和Iterator类,以及它们的基础使用方法。

在非Eager模式下,Dataset中读出的一个元素一般对应一个batch的Tensor,我们可以使用这个Tensor在计算图中构建模型。

在Eager模式下,Dataset建立Iterator的方式有所不同,此时通过读出的数据就是含有值的Tensor,方便调试。

作为兼容两种模式的Dataset API,在今后应该会成为TensorFlow读取数据的主流方式。关于Dataset API的进一步介绍,可以参阅下面的资料:

雷锋网 AI科技评论

版权文章,未经授权禁止转载。详情见 转载须知 。

Flow全新的数据读取方式:Dataset API入门教程

全局中部横幅
春秋旅游网

春秋旅游网—春秋旅游官方网,提供国内游、出境游、周边游、跟团游、自由行、邮轮游、景点门票、春航特价机票、旅游签证预定,四十年品质保障.

泉州人才网

泉州人才网是泉州人才求职和泉州企业招聘最佳选择,作为泉州人才网更专注于泉州地区网络招聘和人才精英的选拔,给企业部门提供精确人才简历查询,让泉州人才透过职位搜索功能查阅泉州人才市场动态行情,正确的测评泉州人才能力等。

人工智能(AI)

富加科技公司是一家拥有强大前沿数字化技术创新实力的企业,由一批曾任职于国内外知名企业的留学归国人员及国内具有先进技术的人员共同创办。公司先后获得了粤科金融集团在内的著名投资机构及投资人的投资。 富加科技致力于人工智能多模态大模型(HumadaAI)深耕细作近十年,在人工智能、区块链、云计算、大数据处理等领域拥有世界领先的专利技术,积累了丰富的全生命周期服务的能力和经验。 经过多年发展,富加科技打造了人工智能大模型的全技术栈道,研发了全场景精细化管理SaaS平台、软硬件一体化产品、“云边端”结合一体化交付的行业数字化系统等。 富加科技正在用自主创新的人工智能技术与产品为各行业的数字化升级、AI转型赋能,并且成功创新应用于大型企业的管理运营、智能制造、智慧城市、智慧楼宇、智慧商业综合体(园区、社区)等领域。

首页

艾威数字科技有限公司是一家互联网产品研发与实施的综合性服务企业。秉承诚信、共赢、精益、创新核心价值观,致力用数据和技术发掘商业价值,赋能业务创新,探索商业模式。专注于为客户提供IT资源整合服务,助力各行业企业数字化转型。

吉林省太羽科技制造有限公司

吉林省太羽科技制造有限公司公司专业生产尼龙输气管路、燃油管路和高压管路。我们的产品广泛应用于汽车燃油输送系统、刹车制动系统、液压助力系统及机床设备的油气输送控制系统等。

文库吧

文库吧(www.wenkub.com)是一个在线文档共享平台,在这里,你可以和千万网友共享自己的文档,全文免费阅读其他用户的文档,也可以利用共享文档获取的积分下载需要的文档。

在线小学

书生题是小学、初中、高中课程和考试培训网站,致力于打造中小学培训的航母。拥有丰富的历年真题、模拟试题、笔记讲义等中小学课程和考试资料,并提供中小学课程和考试的网络课程培训服务。-shusheng.com.cn

头疗特色品牌

河南省华豫东方本草生物科技有限公司专业致力于头皮/头发养发等特色品牌头疗管理,加盟业务有:头疗管加盟,养发馆加盟,养发护发加盟,止脱生发等,费用合理,采用中医经典结合现代科技不断推陈出新,深受投资者的喜爱!

名师桥官网

名师桥成立于2017年,是一家专注公立校教师人才服务的人力资源科技公司。名师桥通过整合校外教师、师范院校大学生,自建教师人才库。运用大数据分析及自然语言处理(NLP)技术自建动态教学能力评价系统,为用人需求的匹配效率和效果赋能。现已形成教师招聘服务、劳务派遣服务、课后延时服务三大业务方向,服务中小学校1000余家。本着与客户“共建、共享、共赢”的发展理念,名师桥正以实际行动诠释着我们的企业愿景:汇聚名师,助力教育!

专业手游代理联运平台

闲徕网络科技有限公司为客户提供独立手游代理平台,手游联运平台搭建开发,手游联运系统,提供全方位系统培训服务支持,助您极速创业,联系电话:18372019116。

链耐材

耐材之窗、银耐联、RefractoriesWindow、耐火材料、耐材之窗网、耐材协会、耐火材料协会、官网、耐火原料、耐材制品、耐火材料行业协会、耐火、耐材、耐材价格、耐材走势分析

全局底部横幅