从TFRecordDataset获取数据集为numpy数组

Question

我正在使用新的tf.data API为CIFAR10数据集创建迭代器。我正在从两个.tfrecord文件中读取数据。一个保存训练数据(train.tfrecords)，另一个保存测试数据(test.tfrecords)。一切都很好。然而，在某些时候，我需要两个数据集(训练数据和测试数据)作为numpy数组。

是否可以从tf.data.TFRecordDataset对象中检索作为numpy数组的数据集？

Answer 1

您可以使用tf.data.Dataset.batch()转换和tf.contrib.data.get_single_element()来完成这一任务。作为刷新，dataset.batch(n)将处理dataset的连续元素，并通过连接每个组件将它们转换为一个元素。这要求每个组件的所有元素都具有固定的形状。如果n大于dataset中的元素数(或者n没有精确地除以元素数)，那么最后一批就可以更小。因此，您可以为n选择一个大值并执行以下操作：

import numpy as np
import tensorflow as tf

# Insert your own code for building `dataset`. For example:
dataset = tf.data.TFRecordDataset(...)  # A dataset of tf.string records.
dataset = dataset.map(...)  # Extract components from each tf.string record.

# Choose a value of `max_elems` that is at least as large as the dataset.
max_elems = np.iinfo(np.int64).max
dataset = dataset.batch(max_elems)

# Extracts the single element of a dataset as one or more `tf.Tensor` objects.
# No iterator needed in this case!
whole_dataset_tensors = tf.contrib.data.get_single_element(dataset)

# Create a session and evaluate `whole_dataset_tensors` to get arrays.
with tf.Session() as sess:
    whole_dataset_arrays = sess.run(whole_dataset_tensors)