如何从示例队列将数据读取到TensorFlow批处理中？

Question

如何将TensorFlow示例队列分成适当的批次进行训练？

我有一些图像和标签：

IMG_6642.JPG 1
IMG_6643.JPG 2

（随意建议其他标签格式；我想可能需要另外一个密集的步骤来简化步骤…）

我已经阅读了很多教程，但还没有完全结合在一起。这就是我所拥有的，带有注释的注释指示TensorFlow的“读取数据”页面所需的步骤。

1. 文件名列表（为简单起见删除了可选步骤）
2. 文件名队列
3. 用于文件格式的阅读器
4. 读取器读取记录的解码器
5. 队列示例
6. 在示例队列之后，我需要将该队列分为几批进行训练；那就是我被困住的地方…

1.文件名列表

files = tf.train.match_filenames_once('*.JPG')

4.文件名队列

filename_queue = tf.train.string_input_producer(files, num_epochs=None, shuffle=True, seed=None, shared_name=None, name=None)

5.读者

reader = tf.TextLineReader()
key, value = reader.read(filename_queue)

6.解码器

record_defaults = [[""], [1]]
col1, col2 = tf.decode_csv(value, record_defaults=record_defaults)

（我认为我不需要下面的步骤，因为我已经在张量中添加了标签，但是无论如何我都将其包括在内）

features = tf.pack([col2])

文档页面上有一个示例，用于运行一个图像，而不是批量获取图像和标签：

for i in range(1200):
    # Retrieve a single instance:
    example, label = sess.run([features, col5])

然后在它下面有一个批处理部分：

def read_my_file_format(filename_queue):
  reader = tf.SomeReader()
  key, record_string = reader.read(filename_queue)
  example, label = tf.some_decoder(record_string)
  processed_example = some_processing(example)
  return processed_example, label

def input_pipeline(filenames, batch_size, num_epochs=None):
  filename_queue = tf.train.string_input_producer(
  filenames, num_epochs=num_epochs, shuffle=True)
  example, label = read_my_file_format(filename_queue)
  # min_after_dequeue defines how big a buffer we will randomly sample
  #   from -- bigger means better shuffling but slower start up and more
  #   memory used.
  # capacity must be larger than min_after_dequeue and the amount larger
  #   determines the maximum we will prefetch.  Recommendation:
  #   min_after_dequeue + (num_threads + a small safety margin) *              batch_size
  min_after_dequeue = 10000
  capacity = min_after_dequeue + 3 * batch_size
  example_batch, label_batch = tf.train.shuffle_batch(
  [example, label], batch_size=batch_size, capacity=capacity,
  min_after_dequeue=min_after_dequeue)
  return example_batch, label_batch

我的问题是：如何将上面的示例代码与上面的代码一起使用？ 我需要使用批处理，大多数教程已经附带了mnist批处理。

with tf.Session() as sess:
  sess.run(init)

  # Training cycle
for epoch in range(training_epochs):
    total_batch = int(mnist.train.num_examples/batch_size)
    # Loop over all batches
    for i in range(total_batch):
        batch_xs, batch_ys = mnist.train.next_batch(batch_size)

Answer 1

如果您希望使该输入管道正常工作，则需要添加一个异步队列机制来生成大量示例。这是通过创建atf.RandomShuffleQueue或atf.FIFOQueue并插入已读取，解码和预处理的JPEG图像来执行的。

您可以使用方便的结构，这些结构将通过tf.train.shuffle_batch_join或生成队列和用于运行队列的相应线程tf.train.batch_join。这是一个简单的示例。请注意，此代码未经测试：

# Let's assume there is a Queue that maintains a list of all filenames
# called 'filename_queue'
_, file_buffer = reader.read(filename_queue)

# Decode the JPEG images
images = []
image = decode_jpeg(file_buffer)

# Generate batches of images of this size.
batch_size = 32

# Depends on the number of files and the training speed.
min_queue_examples = batch_size * 100
images_batch = tf.train.shuffle_batch_join(
  image,
  batch_size=batch_size,
  capacity=min_queue_examples + 3 * batch_size,
  min_after_dequeue=min_queue_examples)

# Run your network on this batch of images.
predictions = my_inference(images_batch)

根据您需要扩展工作的方式，您可能需要运行多个独立的线程来读取/解码/预处理图像并将其转储到示例队列中。Inception / ImageNet模型中提供了此类管道的完整示例。看一下batch_inputs：

https://github.com/tensorflow/models/blob/master/inception/inception/image_processing.py#L407

最后，如果要使用> O（1000）JPEG图像，请记住，单独准备1000个小文件的效率极低。这会大大减慢您的训练速度。

将图像数据集转换TFRecord为Example原型碎片的更强大，更快速的解决方案。这是一个完全有效的脚本，用于将ImageNet数据集转换为这种格式。这是一组说明，用于在包含JPEG图像的任意目录上运行此预处理脚本的通用版本。