制作数据集-解析篇

1、数据集生成读取文件（mnist_generateds.py）
tfrecords 文件
1）tfrecords：是一种二进制文件，可先将图片和标签制作成该格式的文件。使用 tfrecords 进行数据读取，会提高内存利用率。
2）tf.train.Example: 用来存储训练数据。训练数据的特征用键值对的形式表示。如:‘ img_raw ’ :值 ‘ label ’ :值值是 Byteslist/FloatList/Int64List
3）SerializeToString( )：把数据序列化成字符串存储。
首先生成 tfrecords 文件 :

1）将数据集的相关路径定义好

2）读训练集和测试集;

读文件解析

a:先读入文件名,路径

b:新建一个writer,计数次数

c: 在open函数中默认为只读形式打开label_path,readlines() 方法用于读取所有行(直到结束符 EOF)并返回列表，该列表可以由 Python 的 for... in ... 结构进行处理。如果碰到结束符 EOF 则返回空字符串。

d：for 循环遍历每张图和标签

  example = tf.train.Example(features=tf.train.Features(feature={
                'img_raw': tf.train.Feature(bytes_list=tf.train.BytesList(value=[img_raw])),
                'label': tf.train.Feature(int64_list=tf.train.Int64List(value=labels))
                })) 
这段代码将在tf.train.examle函数中讲解
e: writer.write(example.SerializeToString())   # 把 example 进行序列化

image_train_path='./data/mnist_data_jpg/mnist_train_jpg_60000/'
label_train_path='./data/mnist_data_jpg/mnist_train_jpg_60000.txt'
tfRecord_train='./data/mnist_train.tfrecords'
image_test_path='./data/mnist_data_jpg/mnist_test_jpg_10000/'
label_test_path='./data/mnist_data_jpg/mnist_test_jpg_10000.txt'
tfRecord_test='./data/mnist_test.tfrecords'
data_path='./data'
resize_height = 28
resize_width = 28

#生成tfrecords文件
def write_tfRecord(tfRecordName, image_path, label_path):
    #新建一个writer
    writer = tf.python_io.TFRecordWriter(tfRecordName)  
    num_pic = 0 
    f = open(label_path, 'r')
    contents = f.readlines()
    f.close()
    #循环遍历每张图和标签 
    for content in contents:
        value = content.split()
        img_path = image_path + value[0] 
        img = Image.open(img_path)
        img_raw = img.tobytes() 
        labels = [0] * 10  
        labels[int(value[1])] = 1  
        #把每张图片和标签封装到example中    
        example = tf.train.Example(features=tf.train.Features(feature={
                'img_raw': tf.train.Feature(bytes_list=tf.train.BytesList(value=[img_raw])),
                'label': tf.train.Feature(int64_list=tf.train.Int64List(value=labels))
                })) 
        #把example进行序列化
        writer.write(example.SerializeToString())
        num_pic += 1 
        print ("the number of picture:", num_pic)
    #关闭writer
    writer.close()
    print("write tfrecord successful")

def generate_tfRecord():
    isExists = os.path.exists(data_path) 
    if not isExists: 
         os.makedirs(data_path)
        print 'The directory was created successfully'
    else:
        print 'directory already exists' 
    write_tfRecord(tfRecord_train, image_train_path, label_train_path)
     write_tfRecord(tfRecord_test, image_test_path, label_test_path)

解析tfrecords文件：

先看一下对应的路径文件名：

image_train_path='./data/mnist_data_jpg/mnist_train_jpg_60000/'
label_train_path='./data/mnist_data_jpg/mnist_train_jpg_60000.txt'
tfRecord_train='./data/mnist_train.tfrecords'
image_test_path='./data/mnist_data_jpg/mnist_test_jpg_10000/'
label_test_path='./data/mnist_data_jpg/mnist_test_jpg_10000.txt'
tfRecord_test='./data/mnist_test.tfrecords'
data_path='./data'

def main():
    generate_tfRecord()                                  （1）

def generate_tfRecord():                                 （2）

    isExists = os.path.exists(data_path) 
    if not isExists: 
         os.makedirs(data_path)
        print 'The directory was created successfully'
    else:
        print 'directory already exists'

def get_tfrecord(num, isTrain=True):                                                   （1）                                      
if isTrain:  
   tfRecord_path = tfRecord_train                                
else:  
   tfRecord_path = tfRecord_test 
img, label = read_tfRecord(tfRecord_path)                                              （2)

def read_tfRecord(tfRecord_path):                                                       (3)

filename_queue = tf.train.string_input_producer([tfRecord_path], shuffle=True)
    #新建一个reader
 reader = tf.TFRecordReader()

上面用颜色标记了一些参数的传递情况；
下面从主函数谈起：
        main函数调用了generate_tfRecord()函数，在该函数中使用write_tfRecord(）写入相关数据集到tfRecord中；

       get_tfrecord函数获取被写入的数据集的tfRecord的地址tfRecord_path = tfRecord_train （tfRecord_path = tfRecord_test ），使用read_tfRecord（）函数读取信息。
在read_tfRecord（）函数中；

1）filename_queue = tf.train.string_input_producer([tfRecord_path])
tf.train.string_input_producer( string_tensor,
num_epochs=None,
shuffle=True,
seed=None,
capacity=32,
shared_name=None,
name=None,
cancel_op=None)
该函数会生成一个先入先出的队列，文件阅读器会使用它来读取数据。
参数说明：string_tensor: 存储图像和标签信息的 TFRecord 文件名列表
num_epochs: 循环读取的轮数（可选）
shuffle：布尔值（可选），如果为 True，则在每轮随机打乱读取顺序
seed：随机读取时设置的种子（可选）
capacity：设置队列容量
shared_name：（可选）如果设置，该队列将在多个会话中以给定名称共享。所有具有此队列的设备都可以通过 shared_name 访问它。在分布式设置中使用这种方法意味着每

个名称只能被访问此操作的其中一个会话看到。
name：操作的名称（可选）
cancel_op：取消队列（None）
2）reader = tf.TFRecordReader() #新建一个 reader
3）_, serialized_example = reader.read(filename_queue)
features = tf.parse_single_example(serialized_example,features={
'img_raw': tf.FixedLenFeature([ ], tf.string) ,
'label': tf.FixedLenFeature([10], tf.int64)})
#把读出的每个样本保存在 serialized_example 中进行解序列化，标签和图片的键名应该和制作 tfrecords 的键名相同，其中标签给出几分类。
tf.parse_single_example(serialized,
features,
name=None,
example_names=None)
该函数可以将 tf.train.Example 协议内存块(protocol buffer)解析为张量。
参数说明：serialized: 一个标量字符串张量
features: 一个字典映射功能键 FixedLenFeature 或 VarLenFeature值，也就是在协议内存块中储存的
name：操作的名称（可选）
example_names: 标量字符串联的名称（可选）
4）img = tf.decode_raw(features['img_raw'], tf.uint8)
#将 img_raw 字符串转换为 8 位无符号整型
5）img.set_shape([784]) #将形状变为一行 784 列
6）img = tf.cast(img, tf.float32) * (1. / 255) #变成 0 到 1 之间的浮点数
7）label = tf.cast(features['label'], tf.float32)#把标签列表变为浮点数
8）return image,label #返回图片和标签（跳回到 get_tfrecord）
9) tf.train.shuffle_batch( tensors,
batch_size,
capacity,
min_after_dequeue,
num_threads=1,
seed=None,
enqueue_many=False,
shapes=None,
allow_smaller_final_batch=False,
shared_name=None,
name=None)
这个函数随机读取一个 batch 的数据。
参数说明：tensors: 待乱序处理的列表中的样本（图像和标签）
batch_size: 从队列中提取的新批量大小
capacity：队列中元素的最大数量
min_after_dequeue: 出队后队列中的最小数量元素，用于确保元素的混合级别
num_threads: 排列 tensors 的线程数
seed：用于队列内的随机洗牌
enqueue_many: tensor 中的每个张量是否是一个例子
shapes: 每个示例的形状
allow_smaller_final_batch: (可选）布尔值。如果为 True，则在队列中剩余数量不足时允许最终批次更小。
shared_name：（可选）如果设置，该队列将在多个会话中以给定名称共享。
name：操作的名称（可选）
10）return img_batch,label_batch #返回的图片和标签为随机抽取的 batch_size 组
2.反向传播文件修改图片标签获取的接口（mnist_backward.py）

关键操作：利用多线程提高图片和标签的批获取效率方法：将批获取的操作放到线程协调器开启和关闭之间

开启线程协调器：
coord = tf.train.Coordinator( )
threads = tf.train.start_queue_runners(sess=sess, coord=coord)
关闭线程协调器：
coord.request_stop( )
coord.join(threads)
注解：
tf.train.start_queue_runners( sess=None,
coord=None,
daemon=True,
start=True,
collection=tf.GraphKeys.QUEUE_RUNNERS)
这个函数将会启动输入队列的线程，填充训练样本到队列中，以便出队操作可以从队列中拿到样本。这种情况下最好配合使用一个 tf.train.Coordinator ，这

样可以在发生错误的情况下正确地关闭这些线程。

参数说明：sess：用于运行队列操作的会话。默认为默认会话。
coord：可选协调器，用于协调启动的线程。
daemon: 守护进程，线程是否应该标记为守护进程，这意味着它们不会阻止程序退出。
start：设置为 False 只创建线程，不启动它们。
collection：指定图集合以获取启动队列的 GraphKey。默认为GraphKeys.QUEUE_RUNNERS。

与之前学习代码的区别

1）TEST_NUM=10000
之前：用 mnist.test.num_examples 表示总样本数；
现在：要手动给出测试的总样本数，这个数是 1 万。
2）image_batch, label_batch=mnist_generateds.get_tfrecord(TEST_NUM, isTrain=False)
之前：用 mnist.test.next_batch 函数读出图片和标签喂给网络；
现在：用函数 get_tfrecord 替换读取所有测试集 1 万张图片。
isTrain：用来区分训练阶段和测试阶段，True 表示训练，False 表示测试。
3）xs,ys=sess.run([img_batch,label_batch])
之前：使用函数 xs,ys=mnist.test.next_batch(BATCH_SIZE)
现在：在 sess.run 中执行图片和标签的批获取。