Скачать tfrecord - скачать исходный код tfrecord

Читатель и писатель Tfrecord

Эта библиотека позволяет эффективно читать и писать файлы TFRECORD в Python. Библиотека также предоставляет считывателя iterabledataset файлов tfrecord для Pytorch. В настоящее время поддерживаются несжатые и сжатые Gzip Tfrecords.

Установка

 pip3 install 'tfrecord[torch]'

Использование

Рекомендуется создать индексный файл для каждого файла TFRECORD. Индексный файл должен быть предоставлен при использовании нескольких работников, в противном случае загрузчик может вернуть дубликаты записей. Вы можете создать индексный файл для отдельного файла tfrecord с помощью этой утилитной программы:

 python3 -m tfrecord.tools.tfrecord2idx <tfrecord path> <index path>

Чтобы создать файлы ".tfidnex" для всех " .tfrecord" файлы в промежутке каталога:

 tfrecord2idx <data dir>

Чтение и написание tf.train.example

Чтение записей TF.Example в Pytorch

Используйте tfrecordDataSet для чтения файлов tfrecord в Pytorch.

 import torch
from tfrecord . torch . dataset import TFRecordDataset

tfrecord_path = "/tmp/data.tfrecord"
index_path = None
description = { "image" : "byte" , "label" : "float" }
dataset = TFRecordDataset ( tfrecord_path , index_path , description )
loader = torch . utils . data . DataLoader ( dataset , batch_size = 32 )

data = next ( iter ( loader ))
print ( data )

Используйте MultiTFRECORDDATASET для чтения нескольких файлов TFRECORD. Этот класс выборки из заданных файлов tfrecord с заданной вероятностью.

 import torch
from tfrecord . torch . dataset import MultiTFRecordDataset

tfrecord_pattern = "/tmp/{}.tfrecord"
index_pattern = "/tmp/{}.index"
splits = {
    "dataset1" : 0.8 ,
    "dataset2" : 0.2 ,
}
description = { "image" : "byte" , "label" : "int" }
dataset = MultiTFRecordDataset ( tfrecord_pattern , index_pattern , splits , description )
loader = torch . utils . data . DataLoader ( dataset , batch_size = 32 )

data = next ( iter ( loader ))
print ( data )

Бесконечный и конечный набор данных Pytorch

По умолчанию, MultiTFRecordDataset является бесконечным, что означает, что он выставляет данные навсегда. Вы можете сделать его конечным, предоставив соответствующий флаг

 dataset = MultiTFRecordDataset(..., infinite=False)

Перетасовывая данные

Как tfrecordDataset, так и MultItFrecordDataset автоматически перетасовывают данные при предоставлении размера очереди.

 dataset = TFRecordDataset(..., shuffle_queue_size=1024)

Преобразование входных данных

При желании вы можете передать функцию в качестве аргумента transform для выполнения пост -обработки функций перед возвращением. Например, это может использоваться для декодирования изображений или нормализации цветов в определенном диапазоне или последовательности переменной длины PAD.

 import tfrecord
import cv2

def decode_image ( features ):
    # get BGR image from bytes
    features [ "image" ] = cv2 . imdecode ( features [ "image" ], - 1 )
    return features


description = {
    "image" : "bytes" ,
}

dataset = tfrecord . torch . TFRecordDataset ( "/tmp/data.tfrecord" ,
                                         index_path = None ,
                                         description = description ,
                                         transform = decode_image )

data = next ( iter ( dataset ))
print ( data )

Написание записей tf.example в Python

 import tfrecord

writer = tfrecord . TFRecordWriter ( "/tmp/data.tfrecord" )
writer . write ({
    "image" : ( image_bytes , "byte" ),
    "label" : ( label , "float" ),
    "index" : ( index , "int" )
})
writer . close ()

Чтение записей TF.Example в Python

 import tfrecord

loader = tfrecord . tfrecord_loader ( "/tmp/data.tfrecord" , None , {
    "image" : "byte" ,
    "label" : "float" ,
    "index" : "int"
})
for record in loader :
    print ( record [ "label" ])

Чтение и написание tf.train.sequenceExample

SequenceExamples может быть прочитана и написана с использованием тех же методов, которые указаны выше, с дополнительным аргументом ( sequence_description для чтения и sequence_datum для написания), которые вызывают соответствующие функции чтения/записи для обработки данных как последовательность.

Написание последовательностей для файла

 import tfrecord

writer = tfrecord . TFRecordWriter ( "/tmp/data.tfrecord" )
writer . write ({ 'length' : ( 3 , 'int' ), 'label' : ( 1 , 'int' )},
             { 'tokens' : ([[ 0 , 0 , 1 ], [ 0 , 1 , 0 ], [ 1 , 0 , 0 ]], 'int' ), 'seq_labels' : ([ 0 , 1 , 1 ], 'int' )})
writer . write ({ 'length' : ( 3 , 'int' ), 'label' : ( 1 , 'int' )},
             { 'tokens' : ([[ 0 , 0 , 1 ], [ 1 , 0 , 0 ]], 'int' ), 'seq_labels' : ([ 0 , 1 ], 'int' )})
writer . close ()

Чтение последовательности в питоне

Чтение из последовательности. Пример примера.

 import tfrecord

context_description = { "length" : "int" , "label" : "int" }
sequence_description = { "tokens" : "int" , "seq_labels" : "int" }
loader = tfrecord . tfrecord_loader ( "/tmp/data.tfrecord" , None ,
                                  context_description ,
                                  sequence_description = sequence_description )

for context , sequence_feats in loader :
    print ( context [ "label" ])
    print ( sequence_feats [ "seq_labels" ])

Читать последовательность в Pytorch

Как описано в разделе о Transforming Input , можно передать функцию в качестве аргумента transform для выполнения пост -обработки функций. Это должно использоваться особенно для функций последовательности, так как они представляют собой последовательность переменной длины, и их следует избавить, прежде чем быть пакетным.

 import torch
import numpy as np
from tfrecord . torch . dataset import TFRecordDataset

PAD_WIDTH = 5
def pad_sequence_feats ( data ):
    context , features = data
    for k , v in features . items ():
        features [ k ] = np . pad ( v , (( 0 , PAD_WIDTH - len ( v )), ( 0 , 0 )), 'constant' )
    return ( context , features )

context_description = { "length" : "int" , "label" : "int" }
sequence_description = { "tokens" : "int " , "seq_labels" : "int" }
dataset = TFRecordDataset ( "/tmp/data.tfrecord" ,
                          index_path = None ,
			  description = context_description ,
			  transform = pad_sequence_feats ,
			  sequence_description = sequence_description )
loader = torch . utils . data . DataLoader ( dataset , batch_size = 32 )
data = next ( iter ( loader ))
print ( data )

В качестве альтернативы, вы можете реализовать пользовательский collate_fn , чтобы собрать партию, например, для выполнения динамического прокладки.

 import torch
import numpy as np
from tfrecord . torch . dataset import TFRecordDataset

def collate_fn ( batch ):
    from torch . utils . data . _utils import collate
    from torch . nn . utils import rnn
    context , feats = zip ( * batch )
    feats_ = { k : [ torch . Tensor ( d [ k ]) for d in feats ] for k in feats [ 0 ]}
    return ( collate . default_collate ( context ),
            { k : rnn . pad_sequence ( f , True ) for ( k , f ) in feats_ . items ()})

context_description = { "length" : "int" , "label" : "int" }
sequence_description = { "tokens" : "int " , "seq_labels" : "int" }
dataset = TFRecordDataset ( "/tmp/data.tfrecord" ,
                          index_path = None ,
			  description = context_description ,
			  transform = pad_sequence_feats ,
			  sequence_description = sequence_description )
loader = torch . utils . data . DataLoader ( dataset , batch_size = 32 , collate_fn = collate_fn )
data = next ( iter ( loader ))
print ( data )