Tensorflow2.0のTFRRecords制作

TFRRecords制作

は、データを効率的に読み出すために、データをシーケンス化して記憶することができ、ネットワークストリーミングによるデータの読み取りを容易にすることができる.TFRRecordは、バイナリシーケンスデータを比較的一般的に記憶する方法

である.

tf.Exampleクラスはデータを{"string":value}形式で表すmeassageタイプであり、Tensorflowではtfがよく用いられる.Exampleは、TFRRecordデータ

を書き込み、読み出す

プラットフォーム:Jupter Notebook

#        
import warnings
warnings.filterwarnings("ignore")
import numpy as np
import tensorflow as tf

通常、tf.Exampleでは、次のフォーマットを使用できます.

tf.train.BytesList:stringとbyte

を含む使用可能なタイプ

tf.train.FloatList:floatとdouble

が使用可能

tf.train.Int 64 List:使用可能なタイプはenum,bool,int 32,uint 32,int 6

#    
def _bytes_feature(value):
    """Returns a bytes_list from a string/byte."""
    if isinstance(value, type(tf.constant(0))):
        value = value.numpy() # BytesList won't unpack a string from an EagerTensor.
    return tf.train.Feature(bytes_list=tf.train.BytesList(value=[value]))

def _float_feature(value):
    """Return a float_list form a float/double."""
    return tf.train.Feature(float_list=tf.train.FloatList(value=[value]))

def _int64_feature(value):
    """Return a int64_list from a bool/enum/int/uint."""
    return tf.train.Feature(int64_list=tf.train.Int64List(value=[value]))


#    
# tf.train.BytesList
print(_bytes_feature(b'test_string'))
print(_bytes_feature('test_string'.encode('utf8')))

# tf.train.FloatList
print(_float_feature(np.exp(1)))

# tf.train.Int64List
print(_int64_feature(True))
print(_int64_feature(1))

#    
bytes_list {
  value: "test_string"
}

bytes_list {
  value: "test_string"
}

float_list {
  value: 2.7182817459106445
}

int64_list {
  value: 1
}

int64_list {
  value: 1
}

tfrecordの作り方

tfを作成する.Example

#       

def serialize_example(feature0, feature1, feature2, feature3):
    """
      tf.Example
    """
    
    #        
    feature = {
        'feature0': _int64_feature(feature0),
        'feature1': _int64_feature(feature1),
        'feature2': _bytes_feature(feature2),
        'feature3': _float_feature(feature3),
    }
    #  tf.train.Example   
    example_proto = tf.train.Example(features=tf.train.Features(feature=feature))
    #SerializeToString           
    return example_proto.SerializeToString()


#      

#    
n_observations = int(1e4)

# Boolean feature
feature0 = np.random.choice([False, True], n_observations)

# Integer feature
feature1 = np.random.randint(0, 5, n_observations)

# String feature
strings = np.array([b'cat', b'dog', b'chicken', b'horse', b'goat'])
feature2 = strings[feature1]

# Float feature
feature3 = np.random.randn(n_observations)


#      

filename = 'tfrecord-1'

with tf.io.TFRecordWriter(filename) as writer:
    for i in range(n_observations):
        example = serialize_example(feature0[i], feature1[i], feature2[i], feature3[i])
        writer.write(example)

tfrecordファイルのロード

filenames = [filename]

#   
raw_dataset = tf.data.TFRecordDataset(filenames)

 
以上がアナログtfrecordデータ作成方法
リンク実戦画像制作実戦