使用tensorflow DataSet实现高效加载变长文本输入

技术  /  管理员 发布于 7年前   165

DataSet是tensorflow 1.3版本推出的一个high-level的api，在1.3版本还只是处于测试阶段，1.4版本已经正式推出。

在网上搜了一遍，发现关于使用DataSet加载文本的资料比较少，官方举的例子只是csv格式的，要求csv文件中所有样本必须具有相同的维度，也就是padding必须在写入csv文件之前做掉，这会增加文件的大小。

经过一番折腾试验，这里给出一个DataSet+TFRecords加载变长样本的范例。

首先先把变长的数据写入到TFRecords文件：

def writedata(): xlist = [[1,2,3],[4,5,6,8]] ylist = [1,2] #这里的数据只是举个例子来说明样本的文本长度不一样，第一个样本3个词标签1，第二个样本4个词标签2 writer = tf.python_io.TFRecordWriter("train.tfrecords") for i in range(2):  x = xlist[i]  y = ylist[i]  example = tf.train.Example(features=tf.train.Features(feature={   "y": tf.train.Feature(int64_list=tf.train.Int64List(value=[y])),   'x': tf.train.Feature(int64_list=tf.train.Int64List(value=x))  }))  writer.write(example.SerializeToString()) writer.close()

然后用DataSet加载：

feature_names = ['x'] def my_input_fn(file_path, perform_shuffle=False, repeat_count=1): def parse(example_proto):  features = {"x": tf.VarLenFeature(tf.int64),    "y": tf.FixedLenFeature([1], tf.int64)}  parsed_features = tf.parse_single_example(example_proto, features)  x = tf.sparse_tensor_to_dense(parsed_features["x"])  x = tf.cast(x, tf.int32)  x = dict(zip(feature_names, [x]))  y = tf.cast(parsed_features["y"], tf.int32)  return x, y  dataset = (tf.contrib.data.TFRecordDataset(file_path)    .map(parse)) if perform_shuffle:  dataset = dataset.shuffle(buffer_size=256) dataset = dataset.repeat(repeat_count) dataset = dataset.padded_batch(2, padded_shapes=({'x':[6]},[1])) #batch size为2，并且x按maxlen=6来做padding iterator = dataset.make_one_shot_iterator() batch_features, batch_labels = iterator.get_next() return batch_features, batch_labels next_batch = my_input_fn('train.tfrecords', True)init = tf.initialize_all_variables()with tf.Session() as sess: sess.run(init) for i in range(1):  xs, y =sess.run(next_batch)  print(xs['x'])  print(y)

注意变长的数据TFRecords解析要用VarLenFeature，然后用sparse_tensor_to_dense转换。

以上这篇使用tensorflow DataSet实现高效加载变长文本输入就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持。