DataSet是tensorflow 1.3版本推出的一個high-level的api，在1.3版本還只是處於測試階段，1.4版本已經正式推出。

在網上搜了一遍，發現關於使用DataSet載入文字的資料比較少，官方舉的例子只是csv格式的，要求csv檔案中所有樣本必須具有相同的維度，也就是padding必須在寫入csv檔案之前做掉，這會增加檔案的大小。

經過一番折騰試驗，這裡給出一個DataSet+TFRecords載入變長樣本的範例。

首先先把變長的資料寫入到TFRecords檔案：

def writedata():
 xlist = [[1,2,3],[4,5,6,8]]
 ylist = [1,2]
 #這裡的資料只是舉個例子來說明樣本的文字長度不一樣，第一個樣本3個詞標籤1，第二個樣本4個詞標籤2
 writer = tf.python_io.TFRecordWriter("train.tfrecords")
 for i in range(2):
  x = xlist[i]
  y = ylist[i]
  example = tf.train.Example(features=tf.train.Features(feature={
   "y": tf.train.Feature(int64_list=tf.train.Int64List(value=[y])),'x': tf.train.Feature(int64_list=tf.train.Int64List(value=x))
  }))
  writer.write(example.SerializeToString())
 writer.close()

然後用DataSet載入：

feature_names = ['x']
 
def my_input_fn(file_path,perform_shuffle=False,repeat_count=1):
 def parse(example_proto):
  features = {"x": tf.VarLenFeature(tf.int64),"y": tf.FixedLenFeature([1],tf.int64)}
  parsed_features = tf.parse_single_example(example_proto,features)
  x = tf.sparse_tensor_to_dense(parsed_features["x"])
  x = tf.cast(x,tf.int32)
  x = dict(zip(feature_names,[x]))
  y = tf.cast(parsed_features["y"],tf.int32)
  return x,y
 
 dataset = (tf.contrib.data.TFRecordDataset(file_path)
    .map(parse))
 if perform_shuffle:
  dataset = dataset.shuffle(buffer_size=256)
 dataset = dataset.repeat(repeat_count)
 dataset = dataset.padded_batch(2,padded_shapes=({'x':[6]},[1])) #batch size為2，並且x按maxlen=6來做padding
 iterator = dataset.make_one_shot_iterator()
 batch_features,batch_labels = iterator.get_next()
 return batch_features,batch_labels
 
next_batch = my_input_fn('train.tfrecords',True)
init = tf.initialize_all_variables()
with tf.Session() as sess:
 sess.run(init)
 for i in range(1):
  xs,y =sess.run(next_batch)
  print(xs['x'])
  print(y)

注意變長的資料TFRecords解析要用VarLenFeature，然後用sparse_tensor_to_dense轉換。

以上這篇使用tensorflow DataSet實現高效載入變長文字輸入就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支援我們。