一、生成 .record 文件
前面的文章 TensorFlow 训练自己的目标检测器 中的第二部分第 2 小节中我们已经预先说过，会在后续的文章中阐述怎么自定义的将图像转化为 .record 文件，今天我们就来说一说这件事。
在文章 TensorFlow 训练 CNN 分类器 中我们生成了 50000 张 28 x 28 像素的图像，我们的目标就是将这些图像全部写入到一个后缀为 .record 的文件中。 .record 或 tfrecord 文件是 TensorFlow 中的标准数据读写格式，它是一种能够高效读写的二进制文件，能够快速的复制、移动、读写和存储等。
在文章 TensorFlow 训练 CNN 分类器 和文章 TensorFlow-slim 训练 CNN 分类模型 中，我们在训练模型时导入数据的方式都是一次性的将所有图像读入，然后循环的从中选择一个批量来训练。这对于小数据集来说不会产生问题，但如果训练数据异常大，那么很可能由于内存限制无法一次性将说有数据导入，这样前面的训练方式便不能采用了。此时，我们可以将数据转化为 .record 文件格式，然后再分批次的、逐步的读入 .record 文件进行训练。
要将图像写入 .record 文件，首先要将图像编码为字符或数字特征，这需要调用类 tf.train.Feature。然后，在调用 tf.train.Example 将特征写入协议缓冲区。最后，通过类 tf.python_io.TFRecordWriter 将数据写入到 .record 文件中。比如，我们将前面提到的 50000 张图像写入 train.record 文件，使用如下代码（命名为 generate_tfrecord.py）：
#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""
Created on Mon Mar 26 09:02:10 2018
@author: shirhe-lyh
"""
"""Generate tfrecord file from images.
Example Usage:
---------------
python3 train.py \
--images_path: Path to the training images (directory).
--output_path: Path to .record.
"""
import glob
import io
import os
import tensorflow as tf
from PIL import Image
flags = tf.app.flags
flags.DEFINE_string('images_path', None, 'Path to images (directory).')
flags.DEFINE_string('output_path', None, 'Path to output tfrecord file.')
FLAGS = flags.FLAGS
def int64_feature(value):
return tf.train.Feature(int64_list=tf.train.Int64List(value=[value]))
def int64_list_feature(value):
return tf.train.Feature(int64_list=tf.train.Int64List(value=value))
def bytes_feature(value):
return tf.train.Feature(bytes_list=tf.train.BytesList(value=[value]))
def bytes_list_feature(value):
return tf.train.Feature(bytes_list=tf.train.BytesList(value=value))
def float_list_feature(value):
return tf.train.Feature(float_list=tf.train.FloatList(value=value))
def create_tf_example(image_path):
with tf.gfile.GFile(image_path, 'rb') as fid:
encoded_jpg = fid.read()
encoded_jpg_io = io.BytesIO(encoded_jpg)
image = Image.open(encoded_jpg_io)
width, height = image.size
label = int(image_path.split('_')[-1].split('.')[0])
tf_example = tf.train.Example(
features=tf.train.Features(feature={
'image/encoded': bytes_feature(encoded_jpg),
'image/format': bytes_feature('jpg'.encode()),
'image/class/label': int64_feature(label),
'image/height': int64_feature(height),
'image/width': int64_feature(width)}))
return tf_example
def generate_tfrecord(images_path, output_path):
writer = tf.python_io.TFRecordWriter(output_path)
for image_file in glob.glob(images_path):
tf_example = create_tf_example(image_file)
writer.write(tf_example.SerializeToString())
writer.close()
def main(_):
images_path = os.path.join(FLAGS.images_path, '*.jpg')
images_record_path = FLAGS.output_path
generate_tfrecord(images_path, images_record_path)
if __name__ == '__main__':
tf.app.run()
在该文件目录的终端执行：
python3 generate_tfrecord.py \
--images_path /home/.../datasets/images \
--output_path /home/.../datasets/train.record
便会在输出路径下生成 train.record 文件。以上代码中，最重要的部分是：1. 函数 create_tf_example，该函数首先得到图像的二进制格式、图像的宽和高、以及图像对应的类标号等，然后将图像的这些信息写入协议缓冲区；2. 函数 generate_tfrecord，该函数使用 tf.python_io.TFRecordWriter 类将协议缓冲区内的数据写入到 .record 文件中。
二、读取 .record 文件
一旦将图像转化为了 .record 文件，接下来我们关心的就是怎么读取这个 .record 文件用于模型训练了。这可以借助我们前面使用过的模块 tf.contrib.slim：
slim = tf.contrib.slim
def get_record_dataset(record_path,
reader=None, image_shape=[28, 28, 3],
num_samples=50000, num_classes=10):
"""Get a tensorflow record file."""
if not reader:
reader = tf.TFRecordReader
keys_to_features = {
'image/encoded':
tf.FixedLenFeature((), tf.string, default_value=''),
'image/format':
tf.FixedLenFeature((), tf.string, default_value='jpeg'),
'image/class/label':
tf.FixedLenFeature([1], tf.int64, default_value=tf.zeros([1],
dtype=tf.int64))}
items_to_handlers = {
'image': slim.tfexample_decoder.Image(shape=image_shape,
#image_key='image/encoded',
#format_key='image/format',
channels=3),
'label': slim.tfexample_decoder.Tensor('image/class/label', shape=[])}
decoder = slim.tfexample_decoder.TFExampleDecoder(
keys_to_features, items_to_handlers)
labels_to_names = None
items_to_descriptions = {
'image': 'An image with shape image_shape.',
'label': 'A single integer between 0 and 9.'}
return slim.dataset.Dataset(
data_sources=record_path,
reader=reader,
decoder=decoder,
num_samples=num_samples,
num_classes=num_classes,
items_to_descriptions=items_to_descriptions,
labels_to_names=labels_to_names)
主要是借助了 tf.contib.slim 模块中的
slim.dataset.Dataset(data_sources, reader, decoder,
num_samples, items_to_descriptions,
**kwargs)
和
slim.tfexample_decoder.TFExampleDecoder(keys_to_features,
items_to_handlers)
这两个类。
使用时，直接传入 train.record 路径即可：
dataset = get_record_dataset('./xxx/train.record')
data_provider = slim.dataset_data_provider.DatasetDataProvider(dataset)
image, label = data_provider.get(['image', 'label'])
函数 get_record_dataset 返回 slim.dataset.Dataset 类的一个对象，之后通过类
slim.dataset_data_provider.DatasetDataProvider(dataset, num_readers=1,
reader_kwargs=None,
shuffle=True, num_epochs=None,
common_queue_capacity=256,
common_queue_min=128,
record_key='record_key',
seed=None, scope=None)
的 get 方法得到图像和类标号的序列数据。参数 num_readers=1 表示一次读取一个数据，即一次读取一张图像，因此实际使用是还需要使用函数 tf.train.batch 将数据形成批量再用于训练，见下一篇文章。
预告：下一篇文章将说明怎么完全使用 tf.contrib.slim 来构建和训练模型。
网友评论