TensorFlow 多线程输入

2020-06-07  本文已影响0人  youyuge

https://zhuanlan.zhihu.com/p/27238630
https://www.jianshu.com/p/686b6cecc5ea
https://zhuanlan.zhihu.com/p/98084488

一、tf中的Queue，QueueRunner与Coordinate

https://zhuanlan.zhihu.com/p/31361295
https://www.jianshu.com/p/d063804fb272

其实概念只有三个：

一句话概括流程就是：

1.1 Queue

根据实现的方式不同，分成具体的几种类型，例如：

队列机制的TensorFlow中实现多线程数据输入的基础与核心。

import tensorflow as tf
 
 #创建一个先进先出队列，指定队列最多可以保存两个元素，并指定类型为整数
 q  = tf.FIFOQueue(2, "int32")
    
 #使用enqueue_many函数来初始化队列中的元素。和变量初始化类似，在使用的队列之前
 #需要明确的调用这个初始化过程
 init  =q.enqueue_many(([0,10],))
 
 #使用Dequeue函数将队列中个的第一个元素出队列。这个元素的值被储存在变量x中
 x = q.dequeue()
 #将得到的值加1
y = x+1
​
#将加1后的值在重新加入队列
q_inc = q.enqueue([y])
​
with tf.Session() as  sess:
    #运行初始化队列的操作
    init.run()
    for _ in range(5):
        #运行q_inc将执行数据出队列，出队的元素+1、重新加入队列的整个过程
        v, - = sess.run([x, q_inc])
        #打印出队列元素的取值
        print(v)

1.2 QueueRunner

Tensorflow的计算主要在使用CPU/GPU和内存，而数据读取涉及磁盘操作，速度远低于前者操作。因此通常会使用多个线程读取数据，然后使用一个线程消费数据。QueueRunner就是来管理这些读写队列的线程的。

QueueRunner需要与Queue一起使用（这名字已经注定了它和Queue脱不开干系），但并不一定必须使用Coordinator。

import tensorflow as tf
​
#声明一个先进先出的队列(FIFQUEUE)，队列最多100个元素，类型为实数
queue = tf.FIFOQueue(100, "float")
#定义队列的入队操作
enqueue_op = queue.enqueue([tf.random_normal([1]) ])
​
#使用tf.train.QueueRunner来创建多个线程运行队列的入队操作
#tf.train.QueueRunner的第一个参数给出了被操作的队列。[enqueue_op]*5
#表示需要5个线程，每个线程中运行的是enqueue_op操作
qr  = tf.train.QueueRunner(queue, [enqueue_op]*5)
​
#将定义的QueueRunner加入TensorFlow计算图上指定的集合
#tf.train.add_queue_runner函数没有指定的集合
#则加入默认集合tf.GraphKeys.QUEUE_RUNNERS。
#下面的函数就是刚刚定义的qr加入默认的tf.GraphKey.QUEUE_RUNNERS集合
tf.train.add_queue_runner(qr)
#定义出队操作
out_tensor = queue.dequeue()
​
with tf.Session() as sess:
    #使用tf.train.Coordinator来协同启动的线程
    coord = tf.train.Coordinator()
    #使用tf.train.QueueRunner时，需要明确调用tf.train.start_queue_runners来启动所有线程。
    #否则因为没有线程运行入队操作，当调用出队操作时程序会一直的等待入队操作被运行。
    #tf.train.start_queue_runners函数会默认启动
    #tf.GraphKeys.QUEUE_RUNNERS集合中所有的QueueRunner。
    #因为这个函数只是支持启动指定集合的QueueRunner，
    #所以一般来说tf.train.add_queue_runner函数和tf.train.start_queue_runners函数会指定同一个集合
​
    thread= tf.train.start_queue_runners(sess = sess, coord = coord)
    
    #获取队列的取值
    for _ in range(3):print(sess.run(out_tensor)[0])
        
    # 使用tf.train.Coordinator来停止所有的线程
    coord.request_stop()
    coord.join(threads)
    
   "以上将启动5个线程来执行队列入队的操作，其中每一个线程都是将随机数写入队列。于是在每次运行出队操作时，可以得到一个随机数"

使用Queue与QueueRunner有三种方式：

  1. 上面使用了自定义创建tf.train.QueueRunner配合tf.train.start_queue_runners启动。

    • 自定义的QueueRunner一定要手动调用tf.train.add_queue_runner将其加入到tf.GraphKeys.QUEUE_RUNNERS中，这样之后tf.train.start_queue_runners才能去启动collection中的QueueRunner。

  2. 或者，可以自定义创建tf.train.QueueRunner，session中手动调用QueueRunner.create_threads()方法创建线程，运行入队的op。

    create_threads()：Create threads to run the enqueue ops for the given session.

  3. 使用tf封装好的tf.train.string_input_producer()等方法，该方法自动创建相应的Queue，并会自动调用QueueRunner进行封装，并添加进collection。之后调用tf.train.start_queue_runners启动即可。

    Returns:
    A queue with the output strings. A QueueRunner for the Queue
    is added to the current Graph's QUEUE_RUNNER collection.

二、输入文件队列

tensorflow使用文件名队列+内存队列双队列的形式读入文件，可以很好地管理epoch。
https://zhuanlan.zhihu.com/p/27238630

对于文件名队列，我们使用tf.train.string_input_producer函数。这个函数需要传入一个文件名list，系统会自动将它转为一个文件名队列。

def string_input_producer(string_tensor,
                          num_epochs=None,
                          shuffle=True,
                          seed=None,
                          capacity=32,
                          shared_name=None,
                          name=None,
                          cancel_op=None):
  """Output strings (e.g. filenames) to a queue for an input pipeline.

  Note: if `num_epochs` is not `None`, this function creates local counter
  `epochs`. Use `local_variables_initializer()` to initialize local variables.

  Returns:
    A queue with the output strings.  A `QueueRunner` for the Queue
    is added to the current `Graph`'s `QUEUE_RUNNER` collection.

其中tf.train.string_input_producer重要的参数：

在tensorflow中，内存队列不需要我们自己建立，我们只需要使用reader对象从文件名队列中读取数据就可以了，具体实现可以参考下面的实战代码。

2.1 输入文件队列代码实战

假设所有的输入数据都已经整理成了TFRecord格式。

虽然一个TFRecord文件中可以储存多个训练样例，但是当训练数据数量较大时，可以将数据分成多个TFRecord文件来提高处理效率
tf.train.match_filenames_once函数获取一个正则表达式的所有文件，本质这个函数就是返回一个符合条件的local variable本地变量。因此同样需要local_variables_initializer()初始化局部变量。

tf.train.string_input_producer函数会使用初始化时提供的文件列表创建一个输入队列

  1. 设置shuffle参数，支持随机打乱文件列表出队的顺序，shuffle为True，文件在加入队列之前会被打乱顺序，所以出队的顺序也是随机的。(随机打乱文件顺序以及即入输入队列的过程会跑在单独的线程)
  2. 输入队列会将队列中的文件均匀地分给不同的线程，不会出现处理重复的现象
  3. 当一个输入队列中的所有文件都被处理完后，它会将初始化时提供的文件列表中的文件全部重新加入队列
  4. 设置num_epochs参数来限制记载初始文件列表的最大轮数。所有都使用后，继续读取新文件则会，ERORR:OutOfRange的错误

生成TFRecords代码：

import tensorflow as tf
​
#创建TFRecord文件的帮助函数
def _int64_feature(value):
    return tf.train.Feature(int64_list = tf.train.Int64List(value = [value]))
​
#模拟海量数据情况下将写入不同的文件。num_shards定义写入多少文件
#instances_per_shard定义每个文件中有多少个数据
num_shards = 2
instances_per_shard = 2
for i in range(num_shards):
    #以0000n-of-0000m的后缀区分，其中m表示多少个文件，n表示编号
    filename = ('/path/to/data.tfrecords-%.5d-of-%.5d' % (i, num_shards))
    writer = tf.python_io.TFRecordWriter(filename)
    #将数据分装成Example结构并写入TFRecord文件
    for j in range (instances_per_shard):
        writer = =tf.python_io.TFRecordWriter(filename)
        #将数据封装成Example结构并写入TFRecord文件
        for j in range(instance_per_shard):
            #Example结构仅包含当前样例属于第几个文件以及是第几个样本
            example = tf.train.Example(features = tf.train.Feactures(feature={
                'i ': _int64_feature(i),
                'j ': _int64_feature(j)
            }))
            writer.write(example.SerializeToString())
        writer.close()
       #指定目录下生成两个文件00000和00001

使用文件名队列，来读取内容：

import tensorflow as tf
​
#使用tf.train.match_input_producer函数创建输入队列，输入队列中的文件列表为
#tf.train.match_filename_once函数获取的文件列表。
#这里的shuffle设置为False来避免打乱文件顺序，但在实际中一般设置为TRUE
​
filename_queue = tf.train.string_input_producer(files, shuffle = False)
​
#
reader = tf.TFRecordReader()
_, serialized_example = reader.read(filename_queue)
features = tf.parse_single_example(
    serialized_example,
    features  ={
        ' i ':tf.FixedLenFeature([] , tf.int64),
        ' j ':tf.FixedLenFeature([] , tf.int64),
    }   
)
​
with tf.Session() as sess:
    #虽然在本段程序中并没有声明任何向量，但是使用tf.train.match_filenames_once函数时
    #需要初始化一些变量。这里string_input_producer没有指定epoch_num因此不需要局部变量。
    tf.local_variable_initializer().run()
    print(sess.run(files))
   
    #声明tf.train.Coordinator类协同不同程序，并启动线程
    coord = tf.train.Coordinator()
    threads = tf.train.start_queue_runners(sess=sess, coord=coord)
​
    #多次执行获取数据的操作
    for i in range(6):
        print(sess.run([features['i'], features['j']]))
   
    coord.request_stop()
    coord.join(threads)
​
#在不打乱文件列表下，会依次读出样例数据中的每一个样例
上一篇下一篇

猜你喜欢

热点阅读