tensorflow使用range_input_producer多线程读取数据实例
作者:lyg5623 时间:2022-10-19 16:43:21
先放关键代码:
i = tf.train.range_input_producer(NUM_EXPOCHES, num_epochs=1, shuffle=False).dequeue()
inputs = tf.slice(array, [i * BATCH_SIZE], [BATCH_SIZE])
原理解析:
第一行会产生一个队列,队列包含0到NUM_EXPOCHES-1的元素,如果num_epochs有指定,则每个元素只产生num_epochs次,否则循环产生。shuffle指定是否打乱顺序,这里shuffle=False表示队列的元素是按0到NUM_EXPOCHES-1的顺序存储。在Graph运行的时候,每个线程从队列取出元素,假设值为i,然后按照第二行代码切出array的一小段数据作为一个batch。例如NUM_EXPOCHES=3,如果num_epochs=2,则队列的内容是这样子;
0,1,2,0,1,2
队列只有6个元素,这样在训练的时候只能产生6个batch,迭代6次以后训练就结束。
如果num_epochs不指定,则队列内容是这样子:
0,1,2,0,1,2,0,1,2,0,1,2...
队列可以一直生成元素,训练的时候可以产生无限的batch,需要自己控制什么时候停止训练。
下面是完整的演示代码。
数据文件test.txt内容:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
main.py内容:
import tensorflow as tf
import codecs
BATCH_SIZE = 6
NUM_EXPOCHES = 5
def input_producer():
array = codecs.open("test.txt").readlines()
array = map(lambda line: line.strip(), array)
i = tf.train.range_input_producer(NUM_EXPOCHES, num_epochs=1, shuffle=False).dequeue()
inputs = tf.slice(array, [i * BATCH_SIZE], [BATCH_SIZE])
return inputs
class Inputs(object):
def __init__(self):
self.inputs = input_producer()
def main(*args, **kwargs):
inputs = Inputs()
init = tf.group(tf.initialize_all_variables(),
tf.initialize_local_variables())
sess = tf.Session()
coord = tf.train.Coordinator()
threads = tf.train.start_queue_runners(sess=sess, coord=coord)
sess.run(init)
try:
index = 0
while not coord.should_stop() and index<10:
datalines = sess.run(inputs.inputs)
index += 1
print("step: %d, batch data: %s" % (index, str(datalines)))
except tf.errors.OutOfRangeError:
print("Done traing:-------Epoch limit reached")
except KeyboardInterrupt:
print("keyboard interrput detected, stop training")
finally:
coord.request_stop()
coord.join(threads)
sess.close()
del sess
if __name__ == "__main__":
main()
输出:
step: 1, batch data: ['1' '2' '3' '4' '5' '6']
step: 2, batch data: ['7' '8' '9' '10' '11' '12']
step: 3, batch data: ['13' '14' '15' '16' '17' '18']
step: 4, batch data: ['19' '20' '21' '22' '23' '24']
step: 5, batch data: ['25' '26' '27' '28' '29' '30']
Done traing:-------Epoch limit reached
如果range_input_producer去掉参数num_epochs=1,则输出:
step: 1, batch data: ['1' '2' '3' '4' '5' '6']
step: 2, batch data: ['7' '8' '9' '10' '11' '12']
step: 3, batch data: ['13' '14' '15' '16' '17' '18']
step: 4, batch data: ['19' '20' '21' '22' '23' '24']
step: 5, batch data: ['25' '26' '27' '28' '29' '30']
step: 6, batch data: ['1' '2' '3' '4' '5' '6']
step: 7, batch data: ['7' '8' '9' '10' '11' '12']
step: 8, batch data: ['13' '14' '15' '16' '17' '18']
step: 9, batch data: ['19' '20' '21' '22' '23' '24']
step: 10, batch data: ['25' '26' '27' '28' '29' '30']
有一点需要注意,文件总共有35条数据,BATCH_SIZE = 6表示每个batch包含6条数据,NUM_EXPOCHES = 5表示产生5个batch,如果NUM_EXPOCHES =6,则总共需要36条数据,就会报如下错误:
InvalidArgumentError (see above for traceback): Expected size[0] in [0, 5], but got 6
[[Node: Slice = Slice[Index=DT_INT32, T=DT_STRING, _device="/job:localhost/replica:0/task:0/cpu:0"](Slice/input, Slice/begin/_5, Slice/size)]]
错误信息的意思是35/BATCH_SIZE=5,即NUM_EXPOCHES 的取值能只能在0到5之间。
来源:https://blog.csdn.net/lyg5623/article/details/69387917
标签:tensorflow,多线程,读取,数据
0
投稿
猜你喜欢
MYSQL插入处理重复键值的几种方法
2024-01-22 05:41:28
php文件类型MIME对照表(比较全)
2023-06-08 07:24:10
Python md5与sha1加密算法用法分析
2021-04-21 01:51:44
如何安装控制器JavaScript生成插件详解
2024-04-10 10:51:51
Python实现贪吃蛇小游戏(单人模式)
2023-09-26 23:14:42
js中string转int把String类型转化成int类型
2024-05-03 15:30:11
详解Node.js 中使用 ECDSA 签名遇到的坑
2024-05-08 09:36:01
Python遍历列表时删除元素案例
2023-09-03 16:08:09
一篇文章让你搞清楚JavaScript事件循环
2024-04-19 09:53:02
不是原型继承那么简单!prototype的深度探索
2008-03-07 12:42:00
django query模块
2021-12-01 09:16:22
Tornado 多进程实现分析详解
2022-06-13 20:51:56
go语言实现sftp包上传文件和文件夹到远程服务器操作
2024-05-08 10:22:18
python中matplotlib的颜色及线条控制的示例
2023-11-04 08:11:50
python GUI库图形界面开发之PyQt5信号与槽多窗口数据传递详细使用方法与实例
2022-06-05 14:11:58
ASP中取得图片宽度和高度的类
2008-10-29 12:38:00
Python实现合并excel表格的方法分析
2022-04-24 21:30:22
分享9个好用的Python技巧
2021-03-15 18:43:05
Vue computed 计算属性代码实例
2024-05-09 15:14:39
浅谈JavaScript 中的延迟加载属性模式
2024-04-17 10:29:56