第十节 二进制文件读取

import tensorflow as tf
import os

"""
uint8：存储，节约空间，比如在图片处理时，图片解码之前
float32：矩阵计算，提高精度，比如在图片处理时，图片解码之后
"""
# 训练数据连接：http://www.cs.toronto.edu/~kriz/cifar.html
# 定义cifar的数据命令行参数
FLAGS = tf.app.flags.FLAGS
tf.app.flags.DEFINE_string("cifar_dir", r"C:UsersAdministratorPycharmProjectslearntest	ensodatacifar10", "文件的目录")

class CifarRead(object):
    """读取二进制文件，写入tfrecords，读取tfrecords"""
    def __init__(self, filelist):
        # 文件列表
        self.filelist = filelist

        # 定义读取图片的一些属性，cifar下载的文件默认是32*32像素，彩色通道3，目标值1比特
        self.height = 32
        self.weight = 32
        self.channel = 3
        self.label_bytes = 1
        # 二进制文件每张图片的字节
        self.bytes = self.height * self.weight * self.channel + self.label_bytes

    def read_and_decode(self):
        # 1.构造文件队列
        file_queue = tf.train.string_input_producer(self.filelist)

        # 2.构造二进制文件读取器
        reader = tf.FixedLengthRecordReader(self.bytes)
        key, value = reader.read(file_queue)

        # 3.二进制文件内容解码
        label_image = tf.decode_raw(value, tf.uint8)

        # 4.将label_image中的特征值和目标值分割开来，cast目标值是0-9的整数所以转换成int32类型，特征值将用于计算，转换成float32类型
        label = tf.cast(tf.slice(label_image, [0], [self.label_bytes]), tf.int32)
        image = tf.cast(tf.slice(label_image, [self.label_bytes], [self.bytes - self.label_bytes]), tf.float32)
        # print(label, image)  # 返回结果Tensor("Slice:0", shape=(1,), dtype=uint8) Tensor("Slice_1:0", shape=(3072,), dtype=uint8)

        # 5.可以对图片特征数据进行形状改变[3072] ==> [32, 32, 3]
        image_reshape = tf.reshape(image, [self.height, self.weight, self.channel])

        # 6.进行批处理
        image_batch, label_batch = tf.train.batch([image_reshape, label], batch_size=10, num_threads=1, capacity=10)

        return image_batch, label_batch

if __name__ == "__main__":
    # 构造文件列表
    file_name = os.listdir(FLAGS.cifar_dir)
    filelist = [os.path.join(FLAGS.cifar_dir, file) for file in file_name if file[-3:] == "bin"]
    cf = CifarRead(filelist)
    image_batch, label_batch = cf.read_and_decode()

    # 开启会话
    with tf.Session() as sess:
        # 定义线程协调器
        coord = tf.train.Coordinator()

        # 开启读取文件的线程
        thd = tf.train.start_queue_runners(sess, coord=coord, start=True)

        # 打印读取内容
        print(sess.run([image_batch, label_batch]))

        # 回收子线程
        coord.request_stop()
        coord.join(thd)