หน้านี้ได้รับการแปลโดย Cloud Translation API
Switch to English

TFRecord และ tf.train.Example

ดูใน TensorFlow.org เรียกใช้ใน Google Colab ดูแหล่งที่มาบน GitHub ดาวน์โหลดสมุดบันทึก

รูปแบบ TFRecord เป็นรูปแบบง่ายๆสำหรับการจัดเก็บลำดับของระเบียนไบนารี

บัฟเฟอร์โปรโตคอล เป็นไลบรารีข้ามแพลตฟอร์มข้ามภาษาเพื่อการจัดลำดับข้อมูลที่มีโครงสร้างอย่างมีประสิทธิภาพ

ข้อความโปรโตคอลถูกกำหนดโดยไฟล์. .proto ซึ่งมักเป็นวิธีที่ง่ายที่สุดในการทำความเข้าใจประเภทข้อความ

ข้อความ tf.train.Example (หรือ protobuf) คือประเภทข้อความที่ยืดหยุ่นซึ่งแสดงถึงการแมป {"string": value} ได้รับการออกแบบมาเพื่อใช้กับ TensorFlow และใช้กับ API ระดับสูงกว่าเช่น TFX

สมุดบันทึกนี้จะสาธิตวิธีการสร้างแยกวิเคราะห์และใช้ข้อความ tf.train.Example จากนั้นจัดลำดับเขียนและอ่าน tf.train.Example ข้อความเข้าและออกจากไฟล์. .tfrecord

ติดตั้ง

import tensorflow as tf

import numpy as np
import IPython.display as display

tf.train.Example

ชนิดข้อมูลสำหรับ tf.train.Example

โดยพื้นฐานแล้ว tf.train.Example คือการแมป {"string": tf.train.Feature}

ประเภทข้อความ tf.train.Feature สามารถยอมรับหนึ่งในสามประเภทต่อไปนี้ (ดู ไฟล์. .proto สำหรับการอ้างอิง) ประเภททั่วไปอื่น ๆ ส่วนใหญ่สามารถบังคับให้เป็นหนึ่งในประเภทต่อไปนี้:

  1. tf.train.BytesList (สามารถบังคับประเภทต่อไปนี้ได้)

    • string
    • byte
  2. tf.train.FloatList (สามารถบังคับประเภทต่อไปนี้ได้)

    • float ( float32 )
    • double ( float64 )
  3. tf.train.Int64List (สามารถบังคับประเภทต่อไปนี้ได้)

    • bool
    • enum
    • int32
    • uint32
    • int64
    • uint64

ในการแปลงประเภท TensorFlow มาตรฐานเป็น tf.train.Example tf.train.Feature คุณสามารถใช้ฟังก์ชันทางลัดด้านล่าง โปรดทราบว่าแต่ละฟังก์ชั่นใช้เวลาคุ้มค่าการป้อนข้อมูลสเกลาร์และผลตอบแทน tf.train.Feature ที่มีหนึ่งในสามของ list ประเภทดังกล่าวข้างต้น:

# The following functions can be used to convert a value to a type compatible
# with tf.train.Example.

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):
  """Returns a float_list from a float / double."""
  return tf.train.Feature(float_list=tf.train.FloatList(value=[value]))

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

ด้านล่างนี้คือตัวอย่างการทำงานของฟังก์ชันเหล่านี้ สังเกตประเภทอินพุตที่แตกต่างกันและประเภทเอาต์พุตมาตรฐาน หากประเภทอินพุตของฟังก์ชันไม่ตรงกับประเภทที่บังคับได้ที่ระบุไว้ข้างต้นฟังก์ชันจะเพิ่มข้อยกเว้น (เช่น _int64_feature(1.0) จะผิดพลาดเนื่องจาก 1.0 เป็นค่าลอยดังนั้นควรใช้กับฟังก์ชัน _float_feature แทน) :

print(_bytes_feature(b'test_string'))
print(_bytes_feature(u'test_bytes'.encode('utf-8')))

print(_float_feature(np.exp(1)))

print(_int64_feature(True))
print(_int64_feature(1))
bytes_list {
  value: "test_string"
}

bytes_list {
  value: "test_bytes"
}

float_list {
  value: 2.7182817459106445
}

int64_list {
  value: 1
}

int64_list {
  value: 1
}


ข้อความโปรโตทั้งหมดสามารถต่ออนุกรมกับสตริงไบนารีได้โดยใช้เมธอด. .SerializeToString :

feature = _float_feature(np.exp(1))

feature.SerializeToString()
b'\x12\x06\n\x04T\xf8-@'

การสร้างข้อความ tf.train.Example

สมมติว่าคุณต้องการสร้างข้อความ tf.train.Example จากข้อมูลที่มีอยู่ ในทางปฏิบัติชุดข้อมูลอาจมาจากที่ใดก็ได้ แต่ขั้นตอนการสร้าง tf.train.Example ข้อความตัวอย่างจากการสังเกตเดียวจะเหมือนกัน:

  1. ภายในการสังเกตแต่ละครั้งแต่ละค่าจะต้องถูกแปลงเป็น tf.train.Feature ที่มีหนึ่งในประเภทที่เข้ากันได้ 3 ประเภทโดยใช้ฟังก์ชันใดฟังก์ชันหนึ่งข้างต้น

  2. คุณสร้างแผนที่ (พจนานุกรม) จากสตริงชื่อคุณลักษณะไปยังค่าคุณลักษณะที่เข้ารหัสที่สร้างใน # 1

  3. แผนที่ที่สร้างในขั้นตอนที่ 2 จะถูกแปลงเป็น ข้อความ Features

ในสมุดบันทึกนี้คุณจะสร้างชุดข้อมูลโดยใช้ NumPy

ชุดข้อมูลนี้จะมีคุณสมบัติ 4 ประการ:

  • คุณลักษณะบูลีน False หรือ True มีความน่าจะเป็นเท่ากัน
  • คุณลักษณะจำนวนเต็มสุ่มเลือกจาก [0, 5]
  • คุณลักษณะสตริงที่สร้างจากตารางสตริงโดยใช้คุณลักษณะจำนวนเต็มเป็นดัชนี
  • คุณลักษณะลอยจากการแจกแจงปกติมาตรฐาน

พิจารณาตัวอย่างที่ประกอบด้วยการสังเกตที่เป็นอิสระและกระจายเหมือนกัน 10,000 รายการจากการแจกแจงข้างต้น:

# The number of observations in the dataset.
n_observations = int(1e4)

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

# Integer feature, random from 0 to 4.
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, from a standard normal distribution
feature3 = np.random.randn(n_observations)

แต่ละคุณลักษณะเหล่านี้สามารถบังคับให้เป็น tf.train.Example ประเภทที่เข้ากันได้โดยใช้ _bytes_feature , _float_feature , _int64_feature จากนั้นคุณสามารถสร้างข้อความ tf.train.Example จากคุณสมบัติที่เข้ารหัสเหล่านี้:

def serialize_example(feature0, feature1, feature2, feature3):
  """
  Creates a tf.train.Example message ready to be written to a file.
  """
  # Create a dictionary mapping the feature name to the tf.train.Example-compatible
  # data type.
  feature = {
      'feature0': _int64_feature(feature0),
      'feature1': _int64_feature(feature1),
      'feature2': _bytes_feature(feature2),
      'feature3': _float_feature(feature3),
  }

  # Create a Features message using tf.train.Example.

  example_proto = tf.train.Example(features=tf.train.Features(feature=feature))
  return example_proto.SerializeToString()

ตัวอย่างเช่นสมมติว่าคุณมีข้อสังเกตเดียวจากชุดข้อมูล [False, 4, bytes('goat'), 0.9876] คุณสามารถสร้างและพิมพ์ข้อความ tf.train.Example สำหรับการสังเกตนี้โดยใช้ create_message() ข้อสังเกตแต่ละข้อจะถูกเขียนเป็นข้อความ Features ตามด้านบน โปรดทราบว่า ข้อความ tf.train.Example เป็นเพียงกระดาษห่อหุ้มรอบข้อความ Features :

# This is an example observation from the dataset.

example_observation = []

serialized_example = serialize_example(False, 4, b'goat', 0.9876)
serialized_example
b'\nR\n\x11\n\x08feature0\x12\x05\x1a\x03\n\x01\x00\n\x14\n\x08feature3\x12\x08\x12\x06\n\x04[\xd3|?\n\x11\n\x08feature1\x12\x05\x1a\x03\n\x01\x04\n\x14\n\x08feature2\x12\x08\n\x06\n\x04goat'

ในการถอดรหัสข้อความให้ใช้เมธอด tf.train.Example.FromString

example_proto = tf.train.Example.FromString(serialized_example)
example_proto
features {
  feature {
    key: "feature0"
    value {
      int64_list {
        value: 0
      }
    }
  }
  feature {
    key: "feature1"
    value {
      int64_list {
        value: 4
      }
    }
  }
  feature {
    key: "feature2"
    value {
      bytes_list {
        value: "goat"
      }
    }
  }
  feature {
    key: "feature3"
    value {
      float_list {
        value: 0.9876000285148621
      }
    }
  }
}

รายละเอียดรูปแบบ TFRecords

ไฟล์ TFRecord มีลำดับของระเบียน ไฟล์สามารถอ่านได้ตามลำดับเท่านั้น

แต่ละเร็กคอร์ดประกอบด้วยไบต์สตริงสำหรับข้อมูลเพย์โหลดบวกความยาวข้อมูลและ CRC32C (CRC 32 บิตโดยใช้แฮช Castagnoli polynomial) สำหรับการตรวจสอบความสมบูรณ์

แต่ละระเบียนจะถูกจัดเก็บในรูปแบบต่อไปนี้:

uint64 length
uint32 masked_crc32_of_length
byte   data[length]
uint32 masked_crc32_of_data

ระเบียนจะเชื่อมต่อกันเพื่อสร้างไฟล์ มีการ อธิบาย CRC ไว้ที่นี่ และหน้ากากของ CRC คือ:

masked_crc = ((crc >> 15) | (crc << 17)) + 0xa282ead8ul

TFRecord โดยใช้ tf.data

โมดูล tf.data ยังมีเครื่องมือสำหรับการอ่านและเขียนข้อมูลใน TensorFlow

การเขียนไฟล์ TFRecord

วิธีที่ง่ายที่สุดในการรับข้อมูลลงในชุดข้อมูลคือใช้เมธอด from_tensor_slices

นำไปใช้กับอาร์เรย์จะส่งคืนชุดข้อมูลของสเกลาร์:

tf.data.Dataset.from_tensor_slices(feature1)
<TensorSliceDataset shapes: (), types: tf.int64>

นำไปใช้กับทูเพิลของอาร์เรย์มันจะส่งคืนชุดข้อมูลของทูเปิล:

features_dataset = tf.data.Dataset.from_tensor_slices((feature0, feature1, feature2, feature3))
features_dataset
<TensorSliceDataset shapes: ((), (), (), ()), types: (tf.bool, tf.int64, tf.string, tf.float64)>
# Use `take(1)` to only pull one example from the dataset.
for f0,f1,f2,f3 in features_dataset.take(1):
  print(f0)
  print(f1)
  print(f2)
  print(f3)
tf.Tensor(False, shape=(), dtype=bool)
tf.Tensor(0, shape=(), dtype=int64)
tf.Tensor(b'cat', shape=(), dtype=string)
tf.Tensor(-0.07564599618591197, shape=(), dtype=float64)

ใช้เมธอด tf.data.Dataset.map เพื่อใช้ฟังก์ชันกับแต่ละองค์ประกอบของ Dataset

ฟังก์ชันที่แมปจะต้องทำงานในโหมดกราฟ TensorFlow - ต้องทำงานบนและส่งคืน tf.Tensors ฟังก์ชันที่ไม่ใช่เทนเซอร์เช่น serialize_example สามารถพันด้วย tf.py_function เพื่อให้เข้ากันได้

การใช้ tf.py_function จำเป็นต้องระบุรูปร่างและประเภทข้อมูลที่ไม่สามารถใช้งานได้:

def tf_serialize_example(f0,f1,f2,f3):
  tf_string = tf.py_function(
    serialize_example,
    (f0,f1,f2,f3),  # pass these args to the above function.
    tf.string)      # the return type is `tf.string`.
  return tf.reshape(tf_string, ()) # The result is a scalar
tf_serialize_example(f0,f1,f2,f3)
<tf.Tensor: shape=(), dtype=string, numpy=b'\nQ\n\x13\n\x08feature2\x12\x07\n\x05\n\x03cat\n\x14\n\x08feature3\x12\x08\x12\x06\n\x04J\xec\x9a\xbd\n\x11\n\x08feature1\x12\x05\x1a\x03\n\x01\x00\n\x11\n\x08feature0\x12\x05\x1a\x03\n\x01\x00'>

ใช้ฟังก์ชันนี้กับแต่ละองค์ประกอบในชุดข้อมูล:

serialized_features_dataset = features_dataset.map(tf_serialize_example)
serialized_features_dataset
<MapDataset shapes: (), types: tf.string>
def generator():
  for features in features_dataset:
    yield serialize_example(*features)
serialized_features_dataset = tf.data.Dataset.from_generator(
    generator, output_types=tf.string, output_shapes=())
serialized_features_dataset
<FlatMapDataset shapes: (), types: tf.string>

และเขียนลงในไฟล์ TFRecord:

filename = 'test.tfrecord'
writer = tf.data.experimental.TFRecordWriter(filename)
writer.write(serialized_features_dataset)

การอ่านไฟล์ TFRecord

คุณยังสามารถอ่านไฟล์ TFRecord โดยใช้คลาส tf.data.TFRecordDataset

ดูข้อมูลเพิ่มเติมเกี่ยวกับการใช้ไฟล์ tf.data โดยใช้ tf.data ได้ ที่นี่

การใช้ TFRecordDataset จะเป็นประโยชน์สำหรับการกำหนดมาตรฐานข้อมูลอินพุตและเพิ่มประสิทธิภาพ

filenames = [filename]
raw_dataset = tf.data.TFRecordDataset(filenames)
raw_dataset
<TFRecordDatasetV2 shapes: (), types: tf.string>

ณ จุดนี้ชุดข้อมูลมีข้อความ tf.train.Example อนุกรม เมื่อวนซ้ำมันจะส่งกลับสิ่งเหล่านี้เป็นเทนเซอร์สตริงสเกลาร์

ใช้เมธอด. .take เพื่อแสดงเฉพาะ 10 ระเบียนแรก

for raw_record in raw_dataset.take(10):
  print(repr(raw_record))
<tf.Tensor: shape=(), dtype=string, numpy=b'\nQ\n\x13\n\x08feature2\x12\x07\n\x05\n\x03cat\n\x14\n\x08feature3\x12\x08\x12\x06\n\x04J\xec\x9a\xbd\n\x11\n\x08feature0\x12\x05\x1a\x03\n\x01\x00\n\x11\n\x08feature1\x12\x05\x1a\x03\n\x01\x00'>
<tf.Tensor: shape=(), dtype=string, numpy=b'\nS\n\x15\n\x08feature2\x12\t\n\x07\n\x05horse\n\x14\n\x08feature3\x12\x08\x12\x06\n\x04\x1f\xe0\xcb?\n\x11\n\x08feature0\x12\x05\x1a\x03\n\x01\x00\n\x11\n\x08feature1\x12\x05\x1a\x03\n\x01\x03'>
<tf.Tensor: shape=(), dtype=string, numpy=b'\nU\n\x11\n\x08feature0\x12\x05\x1a\x03\n\x01\x01\n\x14\n\x08feature3\x12\x08\x12\x06\n\x04q\xa9\xb8>\n\x17\n\x08feature2\x12\x0b\n\t\n\x07chicken\n\x11\n\x08feature1\x12\x05\x1a\x03\n\x01\x02'>
<tf.Tensor: shape=(), dtype=string, numpy=b'\nU\n\x11\n\x08feature0\x12\x05\x1a\x03\n\x01\x00\n\x14\n\x08feature3\x12\x08\x12\x06\n\x04\x93|+?\n\x17\n\x08feature2\x12\x0b\n\t\n\x07chicken\n\x11\n\x08feature1\x12\x05\x1a\x03\n\x01\x02'>
<tf.Tensor: shape=(), dtype=string, numpy=b'\nR\n\x11\n\x08feature0\x12\x05\x1a\x03\n\x01\x00\n\x14\n\x08feature3\x12\x08\x12\x06\n\x04\xa0X}?\n\x14\n\x08feature2\x12\x08\n\x06\n\x04goat\n\x11\n\x08feature1\x12\x05\x1a\x03\n\x01\x04'>
<tf.Tensor: shape=(), dtype=string, numpy=b'\nU\n\x14\n\x08feature3\x12\x08\x12\x06\n\x04[\x19\x11\xc0\n\x11\n\x08feature1\x12\x05\x1a\x03\n\x01\x02\n\x17\n\x08feature2\x12\x0b\n\t\n\x07chicken\n\x11\n\x08feature0\x12\x05\x1a\x03\n\x01\x01'>
<tf.Tensor: shape=(), dtype=string, numpy=b'\nS\n\x15\n\x08feature2\x12\t\n\x07\n\x05horse\n\x14\n\x08feature3\x12\x08\x12\x06\n\x0473\x12>\n\x11\n\x08feature1\x12\x05\x1a\x03\n\x01\x03\n\x11\n\x08feature0\x12\x05\x1a\x03\n\x01\x00'>
<tf.Tensor: shape=(), dtype=string, numpy=b'\nQ\n\x13\n\x08feature2\x12\x07\n\x05\n\x03dog\n\x11\n\x08feature0\x12\x05\x1a\x03\n\x01\x00\n\x11\n\x08feature1\x12\x05\x1a\x03\n\x01\x01\n\x14\n\x08feature3\x12\x08\x12\x06\n\x04\xa2\xf7\xf9>'>
<tf.Tensor: shape=(), dtype=string, numpy=b'\nR\n\x11\n\x08feature0\x12\x05\x1a\x03\n\x01\x00\n\x14\n\x08feature2\x12\x08\n\x06\n\x04goat\n\x11\n\x08feature1\x12\x05\x1a\x03\n\x01\x04\n\x14\n\x08feature3\x12\x08\x12\x06\n\x04\xba\xf8\xb1?'>
<tf.Tensor: shape=(), dtype=string, numpy=b'\nQ\n\x11\n\x08feature1\x12\x05\x1a\x03\n\x01\x00\n\x11\n\x08feature0\x12\x05\x1a\x03\n\x01\x01\n\x14\n\x08feature3\x12\x08\x12\x06\n\x04\xb71\xe5>\n\x13\n\x08feature2\x12\x07\n\x05\n\x03cat'>

สามารถแยกวิเคราะห์เทนเซอร์เหล่านี้ได้โดยใช้ฟังก์ชันด้านล่าง โปรดทราบว่า feature_description เป็นสิ่งจำเป็นที่นี่เนื่องจากชุดข้อมูลใช้การเรียกใช้กราฟและต้องการคำอธิบายนี้เพื่อสร้างรูปร่างและลายเซ็นประเภท:

# Create a description of the features.
feature_description = {
    'feature0': tf.io.FixedLenFeature([], tf.int64, default_value=0),
    'feature1': tf.io.FixedLenFeature([], tf.int64, default_value=0),
    'feature2': tf.io.FixedLenFeature([], tf.string, default_value=''),
    'feature3': tf.io.FixedLenFeature([], tf.float32, default_value=0.0),
}

def _parse_function(example_proto):
  # Parse the input `tf.train.Example` proto using the dictionary above.
  return tf.io.parse_single_example(example_proto, feature_description)

หรือใช้ tf.parse example เพื่อแยกวิเคราะห์ทั้งชุดพร้อมกัน ใช้ฟังก์ชันนี้กับแต่ละรายการในชุดข้อมูลโดยใช้เมธอด tf.data.Dataset.map :

parsed_dataset = raw_dataset.map(_parse_function)
parsed_dataset
<MapDataset shapes: {feature0: (), feature1: (), feature2: (), feature3: ()}, types: {feature0: tf.int64, feature1: tf.int64, feature2: tf.string, feature3: tf.float32}>

ใช้การดำเนินการอย่างกระตือรือร้นเพื่อแสดงข้อสังเกตในชุดข้อมูล มีการสังเกต 10,000 รายการในชุดข้อมูลนี้ แต่คุณจะแสดงเฉพาะ 10 รายการแรกเท่านั้นข้อมูลจะแสดงเป็นพจนานุกรมคุณลักษณะ แต่ละรายการเป็น tf.Tensor และ numpy องค์ประกอบของเมตริกซ์นี้แสดงค่าของคุณลักษณะ:

for parsed_record in parsed_dataset.take(10):
  print(repr(parsed_record))
{'feature0': <tf.Tensor: shape=(), dtype=int64, numpy=0>, 'feature1': <tf.Tensor: shape=(), dtype=int64, numpy=0>, 'feature2': <tf.Tensor: shape=(), dtype=string, numpy=b'cat'>, 'feature3': <tf.Tensor: shape=(), dtype=float32, numpy=-0.075646>}
{'feature0': <tf.Tensor: shape=(), dtype=int64, numpy=0>, 'feature1': <tf.Tensor: shape=(), dtype=int64, numpy=3>, 'feature2': <tf.Tensor: shape=(), dtype=string, numpy=b'horse'>, 'feature3': <tf.Tensor: shape=(), dtype=float32, numpy=1.5927771>}
{'feature0': <tf.Tensor: shape=(), dtype=int64, numpy=1>, 'feature1': <tf.Tensor: shape=(), dtype=int64, numpy=2>, 'feature2': <tf.Tensor: shape=(), dtype=string, numpy=b'chicken'>, 'feature3': <tf.Tensor: shape=(), dtype=float32, numpy=0.36066774>}
{'feature0': <tf.Tensor: shape=(), dtype=int64, numpy=0>, 'feature1': <tf.Tensor: shape=(), dtype=int64, numpy=2>, 'feature2': <tf.Tensor: shape=(), dtype=string, numpy=b'chicken'>, 'feature3': <tf.Tensor: shape=(), dtype=float32, numpy=0.6698696>}
{'feature0': <tf.Tensor: shape=(), dtype=int64, numpy=0>, 'feature1': <tf.Tensor: shape=(), dtype=int64, numpy=4>, 'feature2': <tf.Tensor: shape=(), dtype=string, numpy=b'goat'>, 'feature3': <tf.Tensor: shape=(), dtype=float32, numpy=0.98963356>}
{'feature0': <tf.Tensor: shape=(), dtype=int64, numpy=1>, 'feature1': <tf.Tensor: shape=(), dtype=int64, numpy=2>, 'feature2': <tf.Tensor: shape=(), dtype=string, numpy=b'chicken'>, 'feature3': <tf.Tensor: shape=(), dtype=float32, numpy=-2.2671726>}
{'feature0': <tf.Tensor: shape=(), dtype=int64, numpy=0>, 'feature1': <tf.Tensor: shape=(), dtype=int64, numpy=3>, 'feature2': <tf.Tensor: shape=(), dtype=string, numpy=b'horse'>, 'feature3': <tf.Tensor: shape=(), dtype=float32, numpy=0.1427735>}
{'feature0': <tf.Tensor: shape=(), dtype=int64, numpy=0>, 'feature1': <tf.Tensor: shape=(), dtype=int64, numpy=1>, 'feature2': <tf.Tensor: shape=(), dtype=string, numpy=b'dog'>, 'feature3': <tf.Tensor: shape=(), dtype=float32, numpy=0.4882174>}
{'feature0': <tf.Tensor: shape=(), dtype=int64, numpy=0>, 'feature1': <tf.Tensor: shape=(), dtype=int64, numpy=4>, 'feature2': <tf.Tensor: shape=(), dtype=string, numpy=b'goat'>, 'feature3': <tf.Tensor: shape=(), dtype=float32, numpy=1.390403>}
{'feature0': <tf.Tensor: shape=(), dtype=int64, numpy=1>, 'feature1': <tf.Tensor: shape=(), dtype=int64, numpy=0>, 'feature2': <tf.Tensor: shape=(), dtype=string, numpy=b'cat'>, 'feature3': <tf.Tensor: shape=(), dtype=float32, numpy=0.44764492>}

นี่ tf.parse_example ฟังก์ชั่น unpacks tf.train.Example สาขาเข้าไปในเทนเซอร์มาตรฐาน

TFRecord ใน Python

โมดูล tf.io ยังมีฟังก์ชัน Pure-Python สำหรับการอ่านและเขียนไฟล์ TFRecord

การเขียนไฟล์ TFRecord

จากนั้นเขียนข้อสังเกต 10,000 ไปยังไฟล์ test.tfrecord การสังเกตแต่ละครั้งจะถูกแปลงเป็น tf.train.Example ข้อความตัวอย่างจากนั้นเขียนลงในไฟล์ จากนั้นคุณสามารถตรวจสอบได้ว่าไฟล์ test.tfrecord ถูกสร้างขึ้นแล้ว:

# Write the `tf.train.Example` observations to the file.
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)
du -sh {filename}
984K    test.tfrecord

การอ่านไฟล์ TFRecord

เทนเซอร์แบบอนุกรมเหล่านี้สามารถแยกวิเคราะห์ได้อย่างง่ายดายโดยใช้ tf.train.Example.ParseFromString :

filenames = [filename]
raw_dataset = tf.data.TFRecordDataset(filenames)
raw_dataset
<TFRecordDatasetV2 shapes: (), types: tf.string>
for raw_record in raw_dataset.take(1):
  example = tf.train.Example()
  example.ParseFromString(raw_record.numpy())
  print(example)
features {
  feature {
    key: "feature0"
    value {
      int64_list {
        value: 0
      }
    }
  }
  feature {
    key: "feature1"
    value {
      int64_list {
        value: 0
      }
    }
  }
  feature {
    key: "feature2"
    value {
      bytes_list {
        value: "cat"
      }
    }
  }
  feature {
    key: "feature3"
    value {
      float_list {
        value: -0.07564599812030792
      }
    }
  }
}


Walkthrough: การอ่านและเขียนข้อมูลภาพ

นี่คือตัวอย่างแบบ end-to-end ของวิธีการอ่านและเขียนข้อมูลภาพโดยใช้ TFRecords การใช้รูปภาพเป็นข้อมูลอินพุตคุณจะเขียนข้อมูลเป็นไฟล์ TFRecord จากนั้นอ่านไฟล์กลับและแสดงภาพ

สิ่งนี้จะมีประโยชน์หากคุณต้องการใช้หลายรุ่นในชุดข้อมูลอินพุตเดียวกัน แทนที่จะเก็บข้อมูลภาพดิบสามารถประมวลผลล่วงหน้าเป็นรูปแบบ TFRecords และสามารถใช้ในการประมวลผลและการสร้างแบบจำลองเพิ่มเติมทั้งหมด

ก่อนอื่นให้ดาวน์โหลด ภาพ แมวตัวนี้ในหิมะและ รูปถ่าย ของสะพาน Williamsburg, NYC ที่กำลังก่อสร้าง

ดึงภาพ

cat_in_snow  = tf.keras.utils.get_file('320px-Felis_catus-cat_on_snow.jpg', 'https://storage.googleapis.com/download.tensorflow.org/example_images/320px-Felis_catus-cat_on_snow.jpg')
williamsburg_bridge = tf.keras.utils.get_file('194px-New_East_River_Bridge_from_Brooklyn_det.4a09796u.jpg','https://storage.googleapis.com/download.tensorflow.org/example_images/194px-New_East_River_Bridge_from_Brooklyn_det.4a09796u.jpg')
Downloading data from https://storage.googleapis.com/download.tensorflow.org/example_images/320px-Felis_catus-cat_on_snow.jpg
24576/17858 [=========================================] - 0s 0us/step
Downloading data from https://storage.googleapis.com/download.tensorflow.org/example_images/194px-New_East_River_Bridge_from_Brooklyn_det.4a09796u.jpg
16384/15477 [===============================] - 0s 0us/step

display.display(display.Image(filename=cat_in_snow))
display.display(display.HTML('Image cc-by: <a "href=https://commons.wikimedia.org/wiki/File:Felis_catus-cat_on_snow.jpg">Von.grzanka</a>'))

jpeg

display.display(display.Image(filename=williamsburg_bridge))
display.display(display.HTML('<a "href=https://commons.wikimedia.org/wiki/File:New_East_River_Bridge_from_Brooklyn_det.4a09796u.jpg">From Wikimedia</a>'))

jpeg

เขียนไฟล์ TFRecord

เช่นเดิมเข้ารหัสคุณสมบัติเป็นประเภทที่เข้ากันได้กับ tf.train.Example ซึ่งจะเก็บคุณลักษณะสตริงรูปภาพดิบตลอดจนคุณลักษณะความสูงความกว้างความลึกและ label กำหนดเอง หลังนี้ใช้เมื่อคุณเขียนไฟล์เพื่อแยกความแตกต่างระหว่างภาพแมวและภาพสะพาน ใช้ 0 สำหรับรูปภาพแมวและ 1 สำหรับรูปภาพสะพาน:

image_labels = {
    cat_in_snow : 0,
    williamsburg_bridge : 1,
}
# This is an example, just using the cat image.
image_string = open(cat_in_snow, 'rb').read()

label = image_labels[cat_in_snow]

# Create a dictionary with features that may be relevant.
def image_example(image_string, label):
  image_shape = tf.image.decode_jpeg(image_string).shape

  feature = {
      'height': _int64_feature(image_shape[0]),
      'width': _int64_feature(image_shape[1]),
      'depth': _int64_feature(image_shape[2]),
      'label': _int64_feature(label),
      'image_raw': _bytes_feature(image_string),
  }

  return tf.train.Example(features=tf.train.Features(feature=feature))

for line in str(image_example(image_string, label)).split('\n')[:15]:
  print(line)
print('...')
features {
  feature {
    key: "depth"
    value {
      int64_list {
        value: 3
      }
    }
  }
  feature {
    key: "height"
    value {
      int64_list {
        value: 213
      }
...

โปรดสังเกตว่าขณะนี้คุณลักษณะทั้งหมดถูกเก็บไว้ในข้อความ tf.train.Example จากนั้นใช้งานโค้ดด้านบนและเขียนข้อความตัวอย่างไปยังไฟล์ชื่อ images.tfrecords :

# Write the raw image files to `images.tfrecords`.
# First, process the two images into `tf.train.Example` messages.
# Then, write to a `.tfrecords` file.
record_file = 'images.tfrecords'
with tf.io.TFRecordWriter(record_file) as writer:
  for filename, label in image_labels.items():
    image_string = open(filename, 'rb').read()
    tf_example = image_example(image_string, label)
    writer.write(tf_example.SerializeToString())
du -sh {record_file}
36K images.tfrecords

อ่านไฟล์ TFRecord

ตอนนี้คุณมีไฟล์ - images.tfrecords แล้วตอนนี้สามารถทำซ้ำบนบันทึกในไฟล์เพื่ออ่านสิ่งที่คุณเขียน เนื่องจากในตัวอย่างนี้คุณจะสร้างภาพขึ้นมาใหม่เท่านั้นคุณลักษณะเดียวที่คุณต้องการคือสตริงภาพดิบ แตกไฟล์โดยใช้ getters ที่อธิบายไว้ข้างต้น ได้แก่ example.features.feature['image_raw'].bytes_list.value[0] คุณยังสามารถใช้ป้ายกำกับเพื่อกำหนดว่าระเบียนใดเป็นแมวและอันใดเป็นสะพาน:

raw_image_dataset = tf.data.TFRecordDataset('images.tfrecords')

# Create a dictionary describing the features.
image_feature_description = {
    'height': tf.io.FixedLenFeature([], tf.int64),
    'width': tf.io.FixedLenFeature([], tf.int64),
    'depth': tf.io.FixedLenFeature([], tf.int64),
    'label': tf.io.FixedLenFeature([], tf.int64),
    'image_raw': tf.io.FixedLenFeature([], tf.string),
}

def _parse_image_function(example_proto):
  # Parse the input tf.train.Example proto using the dictionary above.
  return tf.io.parse_single_example(example_proto, image_feature_description)

parsed_image_dataset = raw_image_dataset.map(_parse_image_function)
parsed_image_dataset
<MapDataset shapes: {depth: (), height: (), image_raw: (), label: (), width: ()}, types: {depth: tf.int64, height: tf.int64, image_raw: tf.string, label: tf.int64, width: tf.int64}>

กู้คืนรูปภาพจากไฟล์ TFRecord:

for image_features in parsed_image_dataset:
  image_raw = image_features['image_raw'].numpy()
  display.display(display.Image(data=image_raw))

jpeg

jpeg