如何在parallel_interleave中使用TensorFlow

Question

我正在阅读TensorFlow 基准回购中的代码。下面的代码是从TensorFlow文件创建TFRecord数据集的部分：

ds = tf.data.TFRecordDataset.list_files(tfrecord_file_names)
ds = ds.apply(interleave_ops.parallel_interleave(tf.data.TFRecordDataset, cycle_length=10))

我试图更改此代码以直接从JPEG图像文件创建数据集：

ds = tf.data.Dataset.from_tensor_slices(jpeg_file_names)
ds = ds.apply(interleave_ops.parallel_interleave(?, cycle_length=10))

我不知道该写什么？地点。map_func in parallel_interleave()是用于TFRecord文件的tf.data.TFRecordDataset类的__init__()，但我不知道该为TFRecord文件编写什么。

我们不需要在这里进行任何转换。因为我们将压缩两个数据集，然后再进行转换。守则如下：

counter = tf.data.Dataset.range(batch_size)
ds = tf.data.Dataset.zip((ds, counter))
ds = ds.apply( \
     batching.map_and_batch( \
     map_func=preprocess_fn, \
     batch_size=batch_size, \
     num_parallel_batches=num_splits))

因为我们不需要转化？位置上，我尝试使用一个空的map_func，但是有错误"map_funcmust return aDataset`‘object“。我也尝试使用tf.data.Dataset，但是输出显示Dataset是一个不允许放在那里的抽象类。

有人能帮忙吗？非常感谢。

Answer 1

当转换将源数据集的每个元素转换为多个元素到目标数据集时，parallel_interleave非常有用。我不知道为什么他们会像这样在基准测试中使用它，因为他们可以只使用带有并行调用的map。

下面是我建议使用parallel_interleave从几个目录中读取图像的方法，每个目录包含一个类：

classes = sorted(glob(directory + '/*/')) # final slash selects directories only
num_classes = len(classes)

labels = np.arange(num_classes, dtype=np.int32)

dirs = DS.from_tensor_slices((classes, labels))               # 1
files = dirs.apply(tf.contrib.data.parallel_interleave(
    get_files, cycle_length=num_classes, block_length=4,      # 2
    sloppy=False)) # False is important ! Otherwise it mixes labels
files = files.cache()
imgs = files.map(read_decode, num_parallel_calls=20)\.        # 3
            .apply(tf.contrib.data.shuffle_and_repeat(100))\
            .batch(batch_size)\
            .prefetch(5)

有三个步骤。首先，我们得到目录及其标签(#1)的列表。

然后，我们将这些映射到一个文件集。但是如果我们做一个简单的.flatmap()，我们最终会得到标签0的所有文件，然后是标签1的所有文件，然后是2等.然后，我们需要真正的大洗牌缓冲器，以获得有意义的洗牌。

因此，我们应用parallel_interleave (#2)。这是get_files()

def get_files(dir_path, label):
    globbed = tf.string_join([dir_path, '*.jpg'])
    files = tf.matching_files(globbed)

    num_files = tf.shape(files)[0] # in the directory
    labels = tf.tile([label], [num_files, ]) # expand label to all files
    return DS.from_tensor_slices((files, labels))

使用parallel_interleave确保每个目录的list_files并行运行，因此当第一个目录列出第一个block_length文件时，第二个目录中的第一个block_length文件也将可用(也来自第3、第4等目录)。此外，生成的数据集将包含每个标签的交错块，例如1 1 1 1 2 2 2 2 3 3 3 3 3 1 1 1 1 ... (针对3个类和block_length=4)。

最后，我们从文件列表(#3)中读取图像。这是read_and_decode()

def read_decode(path, label):
    img = tf.image.decode_image(tf.read_file(path), channels=3)
    img = tf.image.resize_bilinear(tf.expand_dims(img, axis=0), target_size)
    img = tf.squeeze(img, 0)
    img = preprocess_fct(img) # should work with Tensors !

    label = tf.one_hot(label, num_classes)
    img = tf.Print(img, [path, label], 'Read_decode')
    return (img, label)

该函数接受图像路径及其标签，并为每个路径返回一个张量:路径的图像张量和标签的one_hot编码。这也是您可以对图像进行所有转换的地方。在这里，我做调整大小和基本的预处理。