每天一个知识点（八）

TensorFlow的数据读取机制：（读取图片为例）

      如果将图片先读取到内存中后提供给GPU或CPU计算，这样GPU在数据读取的时间是无事可做的，这大大降低运算效率。为此将读取数据和计算分别放在两个线程中去做。一个线程负责源源不断的将图片读取到内存的一个队列中，另一个线程直接从队列中取用计算。

      机器学习通常使用epoch来重复计算，运行一个epoch就是将数据集中的所有图片都计算一遍，两个epoch计算两遍。为了方便管理epoch，TensorFlow在内存队列前又添加了一个队列叫做‘文件名队列’。使用 tf.train.string_input_producer函数来创建文件名队列，需要传入一个文件名 list，系统会自动将它转换成一个文件名队列。此外还需要num_epoch（epoch的 数目）和shuffle（在文件名队列中打乱图片顺序）两个参数。在TensorFlow中不需要自己创建内存队列，使用reader对象从文件名中读取数据即可，如下所示。

reader = tf.WholeFileReader  key， value = reader.read（filename_queue）#filename_queue是文件名队列。

      一切准备就绪之后，咱们定义的文件名队列中并没有开始读入图片，需要使用tf.train.star_queue_runners函数进行激活。如下是读取三张图片的程序：

with tf.Session() as sess：

    filename = ['A.jpg', 'B.jpg', 'C.jpg']

    filename_queue = tf.train.string_input_producer(filename, huffle=false,num_epoch=5)

    reader = tf.WholeFileReader()

    key， value = reader.read(filename_queue)

    tf.local_variables_initializer().run()

    threads = tf.train.start_queue_runners(sess=sess)

    i = 0

    while True :

    i+=1

    image_data = sess.run(value)

    with open('read/test_%d.jpg'%i, 'wb') as f:

    f.write(image_data)