转自：http://blog.csdn.net/u012759136/article/details/52232266
参考代码：https://github.com/ycszen/TensorFlowLaboratory/blob/master/reading_data/example_tfrecords.py
概述
关于Tensorflow读取数据，官网给出了三种方法：
供给数据(Feeding)： 在TensorFlow程序运行的每一步， 让Python代码来供给数据。
从文件读取数据： 在TensorFlow图的起始， 让一个输入管线从文件中读取数据。
预加载数据： 在TensorFlow图中定义常量或变量来保存所有数据(仅适用于数据量比较小的情况)。
对于数据量较小而言，可能一般选择直接将数据加载进内存，然后再分batch输入网络进行训练（tip:使用这种方法时，结合yield使用更为简洁，大家自己尝试一下吧，我就不赘述了）。但是，如果数据量较大，这样的方法就不适用了，因为太耗内存，所以这时最好使用tensorflow提供的队列queue，也就是第二种方法从文件读取数据。对于一些特定的读取，比如csv文件格式，官网有相关的描述，在这儿我介绍一种比较通用，高效的读取方法（官网介绍的少），即使用tensorflow内定标准格式——TFRecords
TFRecords其实是一种二进制文件，虽然它不如其他格式好理解，但是它能更好的利用内存，更方便复制和移动，并且不需要单独的标签文件（等会儿就知道为什么了）… …总而言之，这样的文件格式好处多多，所以让我们用起来吧。
TFRecords文件包含了tf.train.Example协议内存块(protocol buffer)(协议内存块包含了字段Features)。我们可以写一段代码获取你的数据， 将数据填入到Example协议内存块(protocol buffer)，将协议内存块序列化为一个字符串， 并且通过tf.python_io.TFRecordWriter写入到TFRecords文件。
从TFRecords文件中读取数据， 可以使用tf.TFRecordReader的tf.parse_single_example解析器。这个操作可以将Example协议内存块(protocol buffer)解析为张量。
接下来，让我们开始读取数据之旅吧~
我们使用tf.train.Example来定义我们要填入的数据格式，然后使用tf.python_io.TFRecordWriter来写入。
importosimporttensorflowastffromPILimportImagecwd = os.getcwd()'''
此处我加载的数据目录如下：
0 -- img1.jpg
img2.jpg
img3.jpg
...
1 -- img1.jpg
img2.jpg
...
2 -- ...
这里的0， 1， 2...就是类别，也就是下文中的classes
classes是我根据自己数据类型定义的一个列表，大家可以根据自己的数据情况灵活运用
...
'''writer = tf.python_io.TFRecordWriter("train.tfrecords")forindex, nameinenumerate(classes): class_path = cwd + name +"/"forimg_nameinos.listdir(class_path): img_path = class_path + img_name img = Image.open(img_path) img = img.resize((224,224)) img_raw = img.tobytes()#将图片转化为原生bytesexample = tf.train.Example(features=tf.train.Features(feature={"label": tf.train.Feature(int64_list=tf.train.Int64List(value=[index])),'img_raw': tf.train.Feature(bytes_list=tf.train.BytesList(value=[img_raw])) })) writer.write(example.SerializeToString())#序列化为字符串writer.close()
关于ExampleFeature的相关定义和详细内容，我推荐去官网查看相关API。
基本的，一个Example中包含Features，Features里包含Feature（这里没s）的字典。最后，Feature里包含有一个FloatList， 或者ByteList，或者Int64List
就这样，我们把相关的信息都存到了一个文件中，所以前面才说不用单独的label文件。而且读取也很方便。
接下来是一个简单的读取小例子：
forserialized_exampleintf.python_io.tf_record_iterator("train.tfrecords"): example = tf.train.Example() example.ParseFromString(serialized_example) image = example.features.feature['image'].bytes_list.value label = example.features.feature['label'].int64_list.value# 可以做一些预处理之类的printimage, label
一旦生成了TFRecords文件，为了高效地读取数据，TF中使用队列（queue）读取数据。
defread_and_decode(filename):#根据文件名生成一个队列filename_queue = tf.train.string_input_producer([filename]) reader = tf.TFRecordReader() _, serialized_example = reader.read(filename_queue)#返回文件名和文件features = tf.parse_single_example(serialized_example, features={'label': tf.FixedLenFeature([], tf.int64),'img_raw': tf.FixedLenFeature([], tf.string), }) img = tf.decode_raw(features['img_raw'], tf.uint8) img = tf.reshape(img, [224,224,3]) img = tf.cast(img, tf.float32) * (1./255) -0.5label = tf.cast(features['label'], tf.int32)returnimg, label
之后我们可以在训练的时候这样使用
img, label = read_and_decode("train.tfrecords")#使用shuffle_batch可以随机打乱输入img_batch, label_batch = tf.train.shuffle_batch([img, label], batch_size=30, capacity=2000, min_after_dequeue=1000)init = tf.initialize_all_variables()withtf.Session()assess: sess.run(init) threads = tf.train.start_queue_runners(sess=sess)foriinrange(3): val, l= sess.run([img_batch, label_batch])#我们也可以根据需要对val， l进行处理#l = to_categorical(l, 12)print(val.shape, l)
至此，tensorflow高效从文件读取数据差不多完结了。
恩？等等…什么叫差不多？对了，还有几个注意事项：
第一，tensorflow里的graph能够记住状态（state），这使得TFRecordReader能够记住tfrecord的位置，并且始终能返回下一个。而这就要求我们在使用之前，必须初始化整个graph，这里我们使用了函数tf.initialize_all_variables()来进行初始化。
第二，tensorflow中的队列和普通的队列差不多，不过它里面的operation和tensor都是符号型的（symbolic），在调用sess.run()时才执行。
第三，TFRecordReader会一直弹出队列中文件的名字，直到队列为空。
