关于Tensorflow读取数据，官网给出了三种方法：
- 供给数据(Feeding)： 在TensorFlow程序运行的每一步， 让Python代码来供给数据。
- 从文件读取数据： 在TensorFlow图的起始， 让一个输入管线从文件中读取数据。
- 预加载数据： 在TensorFlow图中定义常量或变量来保存所有数据(仅适用于数据量比较小的情况)。
对于数据量较小而言，可能一般选择直接将数据加载进内存，然后再分batch输入网络进行训练（tip:使用这种方法时，结合yield 使用更为简洁，大家自己尝试一下吧，我就不赘述了）。但是，如果数据量较大，这样的方法就不适用了，因为太耗内存，所以这时最好使用tensorflow提供的队列queue，也就是第二种方法 从文件读取数据。对于一些特定的读取，比如csv文件格式，官网有相关的描述，在这儿我介绍一种比较通用，高效的读取方法（官网介绍的少），即使用tensorflow内定标准格式——TFRecords
TFRecords
TFRecords其实是一种二进制文件，虽然它不如其他格式好理解，但是它能更好的利用内存，更方便复制和移动，并且不需要单独的标签文件。
TFRecords文件包含了tf.train.Example 协议内存块(protocol buffer)(协议内存块包含了字段 Features)。我们可以写一段代码获取你的数据， 将数据填入到Example协议内存块(protocol buffer)，将协议内存块序列化为一个字符串， 并且通过tf.python_io.TFRecordWriter 写入到TFRecords文件。
从TFRecords文件中读取数据， 可以使用tf.TFRecordReader的tf.parse_single_example解析器。这个操作可以将Example协议内存块(protocol buffer)解析为张量。
生成TFRecords文件
存入TFRecords文件需要数据先存入名为example的protocol buffer，然后将其serialize成为string才能写入。example中包含features，用于描述数据类型：bytes，float，int64。
我们使用tf.train.Example来定义我们要填入的数据格式，然后使用tf.python_io.TFRecordWriter来写入。
writer = tf.python_io.TFRecordWriter(out_name)
#对每条数据分别获得文档，问题，答案三个值，并将相应单词转化为索引
#调用Example和Features函数将数据格式化保存起来。注意Features传入的参数应该是一个字典，方便后续读数据时的操作
example = tf.train.Example(
features = tf.train.Features(
feature = {
‘document‘: tf.train.Feature(
int64_list=tf.train.Int64List(value=document)),
‘query‘: tf.train.Feature(
int64_list=tf.train.Int64List(value=query)),
‘answer‘: tf.train.Feature(
int64_list=tf.train.Int64List(value=answer))
}))
#写数据
serialized = example.SerializeToString()
writer.write(serialized)
也可以用extend的方式：
example = tf.train.Example() example.features.feature["context"].int64_list.value.extend(context_transformed) example.features.feature["utterance"].int64_list.value.extend(utterance_transformed) example.features.feature["context_len"].int64_list.value.extend([context_len]) example.features.feature["utterance_len"].int64_list.value.extend([utterance_len]) writer = tf.python_io.TFRecordWriter(output_filename) writer.write(example.SerializeToString()) writer.close()
读取tfrecords文件
首先用tf.train.string_input_producer读取tfrecords文件的list建立FIFO序列，可以申明num_epoches和shuffle参数表示需要读取数据的次数以及时候将tfrecords文件读入顺序打乱，然后定义TFRecordReader读取上面的序列返回下一个record，用tf.parse_single_example对读取到TFRecords文件进行解码，根据保存的serialize example和feature字典返回feature所对应的值。此时获得的值都是string，需要进一步解码为所需的数据类型。把图像数据的string reshape成原始图像后可以进行preprocessing操作。此外，还可以通过tf.train.batch或者tf.train.shuffle_batch将图像生成batch序列。
由于tf.train函数会在graph中增加tf.train.QueueRunner类，而这些类有一系列的enqueue选项使一个队列在一个线程里运行。为了填充队列就需要用tf.train.start_queue_runners来为所有graph中的queue runner启动线程，而为了管理这些线程就需要一个tf.train.Coordinator来在合适的时候终止这些线程。
因为在读取数据之后我们可能还会进行一些额外的操作，使我们的数据格式满足模型输入，所以这里会引入一些额外的函数来实现我们的目的。这里介绍几个个人感觉较重要常用的函数。不过还是推荐到官网API去查，或者有某种需求的时候到Stack Overflow上面搜一搜，一般都能找到满足自己需求的函数。
1，string_input_producer(
string_tensor,
num_epochs=None,
shuffle=True,
seed=None,
capacity=32,
shared_name=None,
name=None,
cancel_op=None
)
其输出是一个输入管道的队列，这里需要注意的参数是num_epochs和shuffle。对于每个epoch其会将所有的文件添加到文件队列当中，如果设置shuffle，则会对文件顺序进行打乱。其对文件进行均匀采样，而不会导致上下采样。
2，shuffle_batch(
tensors,
batch_size,
capacity,
min_after_dequeue,
num_threads=1,
seed=None,
enqueue_many=False,
shapes=None,
allow_smaller_final_batch=False,
shared_name=None,
name=None
)
产生随机打乱之后的batch数据
3，sparse_ops.serialize_sparse(sp_input, name=None): 返回一个字符串的3-vector（1-D的tensor），分别表示索引、值、shape
4，deserialize_many_sparse(serialized_sparse, dtype, rank=None, name=None): 将多个稀疏的serialized_sparse合并成一个
基本的，一个Example中包含Features，Features里包含Feature（这里没s）的字典。最后，Feature里包含有一个 FloatList， 或者ByteList，或者Int64List
就这样，我们把相关的信息都存到了一个文件中，而且读取也很方便。
简单的读取小例子
for serialized_example in tf.python_io.tf_record_iterator("train.tfrecords"):
example = tf.train.Example()
example.ParseFromString(serialized_example)
context = example.features.feature[‘context‘].int64_list.value
utterance = example.features.feature[‘utterance‘].int64_list.value
使用队列读取
一旦生成了TFRecords文件，为了高效地读取数据，TF中使用队列（queue）读取数据。
def read_and_decode(filename):
#根据文件名生成一个队列
filename_queue = tf.train.string_input_producer([filename])
reader = tf.TFRecordReader()
_, serialized_example = reader.read(filename_queue) #返回文件名和文件
features = tf.parse_single_example(serialized_example,
features={
‘label‘: tf.FixedLenFeature([], tf.int64),
‘img_raw‘ : tf.FixedLenFeature([], tf.string),
})
img = tf.decode_raw(features[‘img_raw‘], tf.uint8)
img = tf.reshape(img, [224, 224, 3])
img = tf.cast(img, tf.float32) * (1. / 255) - 0.5
label = tf.cast(features[‘label‘], tf.int32)
return img, label
之后我们可以在训练的时候这样使用
img, label = read_and_decode("train.tfrecords")
#使用shuffle_batch可以随机打乱输入
img_batch, label_batch = tf.train.shuffle_batch([img, label],
batch_size=30, capacity=2000,
min_after_dequeue=1000)
init = tf.initialize_all_variables()
with tf.Session() as sess:
sess.run(init) # 这是填充队列的指令，如果不执行程序会等在队列文件的读取处无法运行
coord = tf.train.Coordinator()
threads = tf.train.start_queue_runners(sess=sess, coord=coord)
for i in range(3):
val, l= sess.run([img_batch, label_batch])
#我们也可以根据需要对val， l进行处理
#l = to_categorical(l, 12)
print(val.shape, l)
注意：
第一，tensorflow里的graph能够记住状态（state），这使得TFRecordReader能够记住tfrecord的位置，并且始终能返回下一个。而这就要求我们在使用之前，必须初始化整个graph，这里我们使用了函数tf.initialize_all_variables()来进行初始化。
第二，tensorflow中的队列和普通的队列差不多，不过它里面的operation和tensor都是符号型的（symbolic），在调用sess.run()时才执行。
第三， TFRecordReader会一直弹出队列中文件的名字，直到队列为空。
总结
- 生成tfrecord文件
- 定义
record reader解析tfrecord文件 - 构造一个批生成器（
batcher） - 构建其他的操作
- 初始化所有的操作
- 启动
QueueRunner
参考：
https://blog.csdn.net/u012759136/article/details/52232266
https://blog.csdn.net/liuchonge/article/details/73649251
原文地址：https://www.cnblogs.com/zongfa/p/10148584.html