TensorFlow -使用交织或parallel_interleave时出错

Question

我使用V1.12API的tf.data.Datasets (像这个Q&A )来读取目录中每个文件预先保存的几个.h5文件。我第一次制造了发电机：

class generator_yield:
    def __init__(self, file):
        self.file = file

    def __call__(self):
        with h5py.File(self.file, 'r') as f:
            yield f['X'][:], f['y'][:]

然后列出文件名，并在Dataset中通过它们

def _fnamesmaker(dir, mode='h5'):
    fnames = []
    for dirpath, _, filenames in os.walk(dir):
        for fname in filenames:
            if fname.endswith(mode):
                fnames.append(os.path.abspath(os.path.join(dirpath, fname)))
    return fnames

fnames = _fnamesmaker('./')
len_fnames = len(fnames)
fnames = tf.data.Dataset.from_tensor_slices(fnames)

应用Dataset的交织方法：

# handle multiple files
ds = fnames.interleave(lambda filename: tf.data.Dataset.from_generator(
    generator_yield(filename), output_types=(tf.float32, tf.float32),
    output_shapes=(tf.TensorShape([100, 100, 1]), tf.TensorShape([100, 100, 1]))), cycle_length=len_fnames)
ds = ds.batch(5).shuffle(5).prefetch(5)

# init iterator
it = ds.make_initializable_iterator()
init_op = it.initializer
X_it, y_it = it.get_next()

型号：

# model
with tf.name_scope("Conv1"):
    W = tf.get_variable("W", shape=[3, 3, 1, 1],
                         initializer=tf.contrib.layers.xavier_initializer())
    b = tf.get_variable("b", shape=[1], initializer=tf.contrib.layers.xavier_initializer())
    layer1 = tf.nn.conv2d(X_it, W, strides=[1, 1, 1, 1], padding='SAME') + b
    logits = tf.nn.relu(layer1)


    loss = tf.reduce_mean(tf.losses.mean_squared_error(labels=y_it, predictions=logits))
    train_op = tf.train.AdamOptimizer(learning_rate=0.0001).minimize(loss)

开始会议：

with tf.Session() as sess:
    sess.run([tf.global_variables_initializer(), init_op])
    while True:
        try:
            data = sess.run(train_op)
            print(data.shape)
        except tf.errors.OutOfRangeError:
            print('done.')
            break

该错误看起来如下：

TypeError:预期的str、字节或os.PathLike对象，而不是生成器的init方法的张量。显然，当一个应用交错时，它是一个张量传递到发电机

Answer 1

根据这个post，我的情况不会从使用parralel_interleave的性能中获益。

...have :将源数据集的每个元素转换为多个元素到目标数据集的转换.

它与数据(狗、猫.)保存在单独目录中的典型分类问题更相关。这里有一个分割问题，这意味着标签包含输入图像的相同维数。所有数据都存储在一个目录中，每个.h5文件都包含一个图像及其标签(掩码)。

这里，一个简单的map与num_parallel_calls是sufficient。

Answer 2

不能通过sess.run直接运行dataset对象。你必须定义一个迭代器，得到下一个元素。试着做这样的事情：

next_elem = files.make_one_shot_iterator.get_next()
data = sess.run(next_elem)

你应该能得到你的张量。