🔝🔝🔝🔝🔝🔝🔝🔝🔝🔝🔝🔝🔝🔝🔝🔝🔝
🥰 博客首页：knighthood2001
😗 欢迎点赞👍评论🗨️
❤️ 热爱python，期待与大家一同进步成长！！❤️
目录
数据集的基本介绍
tensorflow中的数据集
什么是TFDS
安装TFDS
用TFDS加载数据集
实例：将模拟数据制作成内存对象数据集
①生成模拟数据
②定义占位符
③建立session会话，获取并显示模拟数据。
④模拟数据可视化
运行结果
改进：创建带有迭代值并支持乱序功能的模拟数据集
数据集的基本介绍
数据集是样本的集合，在深度学习中，数据集用于模型训练。再用tensorflow框架开发深度学习模型之前，需要为模型准备好数据集。在训练模型环节，程序需要从数据集中不断地将数据输入模型，模型通过对注入数据的计算来学习特征。
tensorflow中的数据集
tensorflow中有4种数据集格式
内存对象数据集：直接用字典变量feed_dict，通过注入模式向模型中输入数据。该数据集适用于少量的数据集输入。
TFRecord数据集：用队列式管道（tfrecord）向模型输入数据。该数据集适用大量的数据集输入。
Dataset数据集：通过性能更高的输入管道（tf.data）向模型输入数据。该数据集适用于tensorflow1.4之后的版本。
tf.keras接口数据集：支持tf.keras语法的数据集接口。该数据集适用于tensorflow1.4之后的版本。
什么是TFDS
TFDS是tensorflow中的数据集集合模块，该模块将常用的数据及封装起来，实现自动下载与统一的调用接口，为开发模型提供了便利。
安装TFDS
要求：tensorflow版本在1.12及以上。安装命令如下：
pip install tensorflow-datasets用TFDS加载数据集
这里以minst数据集为例
import tensorflow_datasets as tfds
print(tfds.list_builders())
ds_train, ds_test = tfds.load(name='mnist', split=["train", "test"])
ds_train = ds_train.shuffle(1000).batch(128).prefetch(10)
for features in ds_train.take(1):
image, label = features["image"], ["label"]重要结果如下：
Downloading and preparing dataset Unknown size (download: Unknown size, generated: Unknown size, total: Unknown size) to ~\tensorflow_datasets\mnist\3.0.1...
Dataset mnist downloaded and prepared to ~\tensorflow_datasets\mnist\3.0.1. Subsequent calls will reuse this data.实例：将模拟数据制作成内存对象数据集
本实例将用内存中的模拟数据来制作成数据集，生成的数据集被直接存放在python内存对象中，这样做的好处--数据集的制作可以独立于任何框架。
本实例将生成一个模拟y≈2x的数据集，并通过静态图的方式显示出来。
步骤如下：
①生成模拟数据
②定义占位符
③建立session会话，获取并显示模拟数据。
④模拟数据可视化
①生成模拟数据
在样本制作过程中，最忌讳的是一次性将数据都放入内存中，如果数据量很大，这样容易造成内存用尽，即使是模拟数据，也不建议将数据全部生成以后一次性放入内存中，一般做法是：
Ⅰ创建一个模拟数据生成器，
Ⅱ每次只生成指定批次的样本
这样就在迭代过程中，就可以用“随用随制作”的方法来获取样本数据。
下面定义GenerateData函数来生成模拟数据，并将GenerateData函数的返回值设为以生成器方式返回。这种做法使内存被占用的最少。
import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt
tf.compat.v1.disable_v2_behavior()
#在内存中生成模拟数据
def GenerateData(batchsize = 100):
train_X = np.linspace(-1, 1, batchsize) #train_X为-1到1之间连续的100个浮点数
train_Y = 2 * train_X + np.random.randn(*train_X.shape) * 0.3 # y=2x，但是加入了噪声
yield train_X, train_Y #以生成器的方式返回函数使用yield，使得函数以生成器的方式返回数据。生成器对象只生成一次，过后便会自动销毁，可以省略大量的内存。
②定义占位符
#定义网络模型结构部分，这里只有占位符张量
Xinput = tf.compat.v1.placeholder("float", (None))
Yinput = tf.compat.v1.placeholder("float", (None))注意：在正常的模型开发中，这个环节应该是定义占位符和网络结构，在训练模型时，系统会将数据集的输入数据用占位符来代替，并使用静态图的注入机制，将输入数据传入模型进行迭代训练。因为本实例只需要从数据集中获取数据，所以只定义占位符，不需要定义其他网络节点。
③建立session会话，获取并显示模拟数据。
首先定义数据集的迭代次数，接着建立会话，在会话中使用两层for循环；第一层是按照迭代次数来循环，第二层是对GenerateData函数返回的生成器对象进行循环，并将数据打印出来。
因为GenerateData函数返回的生成器对象只有一个元素，所以第二层循环也只运行一次。
#建立会话，获取并输出数据
training_epochs = 20 # 定义需要迭代的次数
with tf.compat.v1.Session() as sess: # 建立会话（session）
for epoch in range(training_epochs): #迭代数据集20遍
for x, y in GenerateData(): #通过for循环打印所有的点
xv,yv = sess.run([Xinput,Yinput],feed_dict={Xinput: x, Yinput: y}) #通过静态图注入的方式，传入数据
print(epoch,"| x.shape:",np.shape(xv),"| x[:3]:",xv[:3])
print(epoch,"| y.shape:",np.shape(yv),"| y[:3]:",yv[:3])代码开始定义了数据集的迭代次数，这个参数在训练模型中才会用到。
④模拟数据可视化
#显示模拟数据点
train_data = list(GenerateData())[0]
plt.plot(train_data[0], train_data[1], 'ro', label='Original data')
plt.legend()
plt.show()运行结果
...
17 |x.shape: (100,) |x[:3]: [-1. -0.97979796 -0.959596 ]
17 |y.shape: (100,) |y[:3]: [-2.0945473 -2.1236315 -1.6280223]
18 |x.shape: (100,) |x[:3]: [-1. -0.97979796 -0.959596 ]
18 |y.shape: (100,) |y[:3]: [-2.022675 -2.118289 -1.8735064]
19 |x.shape: (100,) |x[:3]: [-1. -0.97979796 -0.959596 ]
19 |y.shape: (100,) |y[:3]: [-2.0080116 -2.5169287 -1.6713679]每行数据被|符号划分为3块区域，分别为：迭代次数、数据的形状、前三个元素的值。
可视化结果如下
改进：创建带有迭代值并支持乱序功能的模拟数据集
优化如下：
①将数据集与 迭代功能绑定在一起，让代码变得更简洁。
②对数据集进行乱序排序，让生成的x数据无规则 。
通过对数据集的乱序，可以消除样本中无用的特征，从而大大提升模型的泛化能力。
注意：
在乱序操作部分使用的是sklearn.utils库中的shuffle()方法。要使用，首先需要安装，命令如下：
pip install sklearn
改进后全部代码如下：
import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt
from sklearn.utils import shuffle
tf.compat.v1.disable_v2_behavior()
def GenerateData(training_epochs,batchsize=100):
for i in range(training_epochs):
train_X=np.linspace(-1,1,batchsize)
train_Y=2*train_X+np.random.randn(*train_X.shape)*0.3
yield shuffle(train_X,train_Y),i
Xinput=tf.compat.v1.placeholder("float",(None))
Yinput=tf.compat.v1.placeholder("float",(None))
training_epochs=20
with tf.compat.v1.Session() as sess:
for (x,y),ii in GenerateData(training_epochs):
xv,yv=sess.run([Xinput,Yinput],feed_dict={Xinput:x,Yinput:y})
print(ii,"|x.shape:",np.shape(xv),"|x[:3]:",xv[:3])
print(ii,"|y.shape:",np.shape(yv),"|y[:3]:",yv[:3])
train_data=list(GenerateData(1))[0]
plt.plot(train_data[0][0],train_data[0][1],'ro',label='Original data')
plt.legend()
plt.show()可视化结果图片如下：
