1,tf-data兩個新的抽象類
dataset表示一系列元素，其中每個元素包含一個或多個 Tensor 對象
-
創建來源（例如
Dataset.from_tensor_slices()），以通過一個或多個tf.Tensor對象構建數據集。 -
應用轉換（例如
Dataset.batch()），以通過一個或多個tf.data.Dataset對象構建數據集
iterator提供了從數據集中提取元素的主要方法。
Iterator.get_next() 返回的操作會在執行時生成 Dataset 的下一個元素，並且此操作通常充當輸入管道代碼和模型之間的接口。最簡單的迭代器是“單次迭代器”，它與特定的 Dataset 相關聯，並對其進行一次迭代。要實現更復雜的用途，您可以通過 Iterator.initializer 操作使用不同的數據集重新初始化和參數化迭代器
2,基本機制
2.1,定義來源
要通過內存中的某些張量構建 Dataset，您可以使用 tf.data.Dataset.from_tensors() 或 tf.data.Dataset.from_tensor_slices()。或者，如果輸入數據以推薦的 TFRecord 格式存儲在磁盤上，那么您可以構建 tf.data.TFRecordDataset
2.2,有了 Dataset 對象，可以將其轉換為新的 Dataset
方法是鏈接tf.data.Dataset 對象上的方法調用。例如，您可以應用單元素轉換，例如 Dataset.map()（為每個元素應用一個函數），也可以應用多元素轉換（例如 Dataset.batch()）
2.3,消耗 Dataset 中值的最常見方法是構建迭代器對象。
通過此對象，可以一次訪問數據集中的一個元素（例如通過調用 Dataset.make_one_shot_iterator()）。tf.data.Iterator 提供了兩個操作：Iterator.initializer，您可以通過此操作（重新）初始化迭代器的狀態；以及 Iterator.get_next()，此操作返回對應於有符號下一個元素的 tf.Tensor 對象
3,數據集結構
一個數據集包含多個元素，每個元素的結構都相同。一個元素包含一個或多個 tf.Tensor 對象，這些對象稱為組件。每個組件都有一個 tf.DType，表示張量中元素的類型；以及一個 tf.TensorShape，表示每個元素（可能部分指定）的靜態形狀。您可以通過 Dataset.output_types 和 Dataset.output_shapes 屬性檢查數據集元素各個組件的推理類型和形狀
dataset1 = tf.data.Dataset.from_tensor_slices(tf.random_uniform([4, 10]))
print(dataset1.output_types) # ==> "tf.float32"
print(dataset1.output_shapes) # ==> "(10,)"
dataset2 = tf.data.Dataset.from_tensor_slices(
(tf.random_uniform([4]),
tf.random_uniform([4, 100], maxval=100, dtype=tf.int32)))
print(dataset2.output_types) # ==> "(tf.float32, tf.int32)"
print(dataset2.output_shapes) # ==> "((), (100,))"
dataset3 = tf.data.Dataset.zip((dataset1, dataset2))
print(dataset3.output_types) # ==> (tf.float32, (tf.float32, tf.int32))
print(dataset3.output_shapes) # ==> "(10, ((), (100,)))"
dataset = tf.data.Dataset.from_tensor_slices(
{"a": tf.random_uniform([4]),
"b": tf.random_uniform([4, 100], maxval=100, dtype=tf.int32)})
print(dataset.output_types) # ==> "{'a': tf.float32, 'b': tf.int32}"
print(dataset.output_shapes) # ==> "{'a': (), 'b': (100,)}"
4,Dataset 轉換
Dataset 轉換支持任何結構的數據集。在使用 Dataset.map()、Dataset.flat_map() 和 Dataset.filter() 轉換時（這些轉換會對每個元素應用一個函數），元素結構決定了函數的參數.
dataset1 = dataset1.map(lambda x: ...)
dataset2 = dataset2.flat_map(lambda x, y: ...)
# Note: Argument destructuring is not available in Python 3.
dataset3 = dataset3.filter(lambda x, (y, z): ...)
5,創建迭代器
- 單次，
- 可初始化，
- 可重新初始化，以及
- 可饋送。
單次:
迭代器是最簡單的迭代器形式，僅支持對數據集進行一次迭代，不需要顯式初始化。單次迭代器可以處理基於隊列的現有輸入管道支持的幾乎所有情況，但它們不支持參數化
dataset = tf.data.Dataset.range(100)
iterator = dataset.make_one_shot_iterator()
next_element = iterator.get_next()
for i in range(100):
value = sess.run(next_element)
assert i == value可初始化:
您需要先運行顯式 iterator.initializer 操作，然后才能使用可初始化迭代器.它允許您使用一個或多個 tf.placeholder() 張量（可在初始化迭代器時饋送）參數化數據集的定義max_value = tf.placeholder(tf.int64, shape=[])
dataset = tf.data.Dataset.range(max_value)
iterator = dataset.make_initializable_iterator()
next_element = iterator.get_next()
# Initialize an iterator over a dataset with 10 elements.
sess.run(iterator.initializer, feed_dict={max_value: 10})
for i in range(10):
value = sess.run(next_element)
assert i == value
# Initialize the same iterator over a dataset with 100 elements.
sess.run(iterator.initializer, feed_dict={max_value: 100})
for i in range(100):
value = sess.run(next_element)
assert i == value可重新初始化:
迭代器可以通過多個不同的 Dataset 對象進行初始化.這些對象具有相同的結構（即每個組件具有相同類型和兼容形狀）
# Define training and validation datasets with the same structure.
training_dataset = tf.data.Dataset.range(100).map(
lambda x: x + tf.random_uniform([], -10, 10, tf.int64))
validation_dataset = tf.data.Dataset.range(50)
# A reinitializable iterator is defined by its structure. We could use the
# `output_types` and `output_shapes` properties of either `training_dataset`
# or `validation_dataset` here, because they are compatible.
iterator = tf.data.Iterator.from_structure(training_dataset.output_types,
training_dataset.output_shapes)
next_element = iterator.get_next()
training_init_op = iterator.make_initializer(training_dataset)
validation_init_op = iterator.make_initializer(validation_dataset)
# Run 20 epochs in which the training dataset is traversed, followed by the
# validation dataset.
for _ in range(20):
# Initialize an iterator over the training dataset.
sess.run(training_init_op)
for _ in range(100):
sess.run(next_element)
# Initialize an iterator over the validation dataset.
sess.run(validation_init_op)
for _ in range(50):
sess.run(next_element)可饋送
迭代器可以與 tf.placeholder 一起使用，以選擇所使用的 Iterator（在每次調用 tf.Session.run 時）（通過熟悉的 feed_dict 機制）。它提供的功能與可重新初始化迭代器的相同，但在迭代器之間切換時不需要從數據集的開頭初始化迭代器.tf.data.Iterator.from_string_handle
# Define training and validation datasets with the same structure.
training_dataset = tf.data.Dataset.range(100).map(
lambda x: x + tf.random_uniform([], -10, 10, tf.int64)).repeat()
validation_dataset = tf.data.Dataset.range(50)
# A feedable iterator is defined by a handle placeholder and its structure. We
# could use the `output_types` and `output_shapes` properties of either
# `training_dataset` or `validation_dataset` here, because they have
# identical structure.
handle = tf.placeholder(tf.string, shape=[])
iterator = tf.data.Iterator.from_string_handle(
handle, training_dataset.output_types, training_dataset.output_shapes)
next_element = iterator.get_next()
# You can use feedable iterators with a variety of different kinds of iterator
# (such as one-shot and initializable iterators).
training_iterator = training_dataset.make_one_shot_iterator()
validation_iterator = validation_dataset.make_initializable_iterator()
# The `Iterator.string_handle()` method returns a tensor that can be evaluated
# and used to feed the `handle` placeholder.
training_handle = sess.run(training_iterator.string_handle())
validation_handle = sess.run(validation_iterator.string_handle())
# Loop forever, alternating between training and validation.
while True:
# Run 200 steps using the training dataset. Note that the training dataset is
# infinite, and we resume from where we left off in the previous `while` loop
# iteration.
for _ in range(200):
sess.run(next_element, feed_dict={handle: training_handle})
# Run one pass over the validation dataset.
sess.run(validation_iterator.initializer)
for _ in range(50):
sess.run(next_element, feed_dict={handle: validation_handle
6,消耗迭代器中的值
Iterator.get_next() 方法返回一個或多個 tf.Tensor 對象，這些對象對應於迭代器有符號的下一個元素。每次評估這些張量時，它們都會獲取底層數據集中下一個元素的值。（請注意，與 TensorFlow 中的其他有狀態對象一樣，調用 Iterator.get_next() 並不會立即使迭代器進入下個狀態。您必須在 TensorFlow 表達式中使用此函數返回的 tf.Tensor 對象，並將該表達式的結果傳遞到 tf.Session.run()，以獲取下一個元素並使迭代器進入下個狀態。）
如果迭代器到達數據集的末尾，則執行 Iterator.get_next() 操作會產生 tf.errors.OutOfRangeError。在此之后，迭代器將處於不可用狀態；如果需要繼續使用，則必須對其重新初始化
dataset = tf.data.Dataset.range(5)
iterator = dataset.make_initializable_iterator()
next_element = iterator.get_next()
# Typically `result` will be the output of a model, or an optimizer's
# training operation.
result = tf.add(next_element, next_element)
sess.run(iterator.initializer)
print(sess.run(result)) # ==> "0"
print(sess.run(result)) # ==> "2"
print(sess.run(result)) # ==> "4"
print(sess.run(result)) # ==> "6"
print(sess.run(result)) # ==> "8"
try:
sess.run(result)
except tf.errors.OutOfRangeError:
print("End of dataset") # ==> "End of dataset"
sess.run(iterator.initializer)
while True:
try:
sess.run(result)
except tf.errors.OutOfRangeError:
break
如果數據集的每個元素都具有嵌套結構，則 Iterator.get_next() 的返回值將是一個或多個 tf.Tensor 對象，這些對象具有相同的嵌套結構：
dataset1 = tf.data.Dataset.from_tensor_slices(tf.random_uniform([4, 10]))
dataset2 = tf.data.Dataset.from_tensor_slices((tf.random_uniform([4]), tf.random_uniform([4, 100])))
dataset3 = tf.data.Dataset.zip((dataset1, dataset2))
iterator = dataset3.make_initializable_iterator()
sess.run(iterator.initializer)
next1, (next2, next3) = iterator.get_next()
請注意，next1、next2 和 next3 是由同一個操作/節點（通過 Iterator.get_next() 創建）生成的張量。因此，評估其中任何一個張量都會使所有組件的迭代器進入下個狀態。典型的迭代器消耗方會在一個表達式中包含所有組件
7,保存迭代器狀態
tf.contrib.data.make_saveable_from_iterator 函數通過迭代器創建一個 SaveableObject，該對象可用於保存和恢復迭代器（實際上是整個輸入管道）的當前狀態。以這種方式創建的可保存對象可以添加到 tf.train.Saver 變量列表或 tf.GraphKeys.SAVEABLE_OBJECTS 集合中，以便采用與 tf.Variable 相同的方式進行保存和恢復。請參閱保存和恢復，詳細了解如何保存和恢復變量。
# Create saveable object from iterator.
saveable = tf.contrib.data.make_saveable_from_iterator(iterator)
# Save the iterator state by adding it to the saveable objects collection.
tf.add_to_collection(tf.GraphKeys.SAVEABLE_OBJECTS, saveable)
saver = tf.train.Saver()
with tf.Session() as sess:
if should_checkpoint:
saver.save(path_to_checkpoint)
# Restore the iterator state.
with tf.Session() as sess:
saver.restore(sess, path_to_checkpoint)
8,讀取輸入數據
8.1,消耗 NumPy 數組
# Load the training data into two NumPy arrays, for example using `np.load()`.
with np.load("/var/data/training_data.npy") as data:
features = data["features"]
labels = data["labels"]
# Assume that each row of `features` corresponds to the same row as `labels`.
assert features.shape[0] == labels.shape[0]
dataset = tf.data.Dataset.from_tensor_slices((features, labels))
請注意，上面的代碼段會將 features 和 labels 數組作為 tf.constant() 指令嵌入在 TensorFlow 圖中。這樣非常適合小型數據集，但會浪費內存，因為會多次復制數組的內容，並可能會達到 tf.GraphDef 協議緩沖區的 2GB 上限。
作為替代方案，您可以根據 tf.placeholder() 張量定義 Dataset，並在對數據集初始化 Iterator 時饋送 NumPy 數組。
# Load the training data into two NumPy arrays, for example using `np.load()`.
with np.load("/var/data/training_data.npy") as data:
features = data["features"]
labels = data["labels"]
# Assume that each row of `features` corresponds to the same row as `labels`.
assert features.shape[0] == labels.shape[0]
features_placeholder = tf.placeholder(features.dtype, features.shape)
labels_placeholder = tf.placeholder(labels.dtype, labels.shape)
dataset = tf.data.Dataset.from_tensor_slices((features_placeholder, labels_placeholder))
# [Other transformations on `dataset`...]
dataset = ...
iterator = dataset.make_initializable_iterator()
sess.run(iterator.initializer, feed_dict={features_placeholder: features,
labels_placeholder: labels})
8.2,消耗 TFRecord 數據
tf.data API 支持多種文件格式，因此您可以處理那些不適合存儲在內存中的大型數據集。例如，TFRecord 文件格式是一種面向記錄的簡單二進制格式，很多 TensorFlow 應用采用此格式來訓練數據。通過 tf.data.TFRecordDataset 類，您可以將一個或多個 TFRecord 文件的內容作為輸入管道的一部分進行流式傳輸
# Creates a dataset that reads all of the examples from two files.
filenames = ["/var/data/file1.tfrecord", "/var/data/file2.tfrecord"]
dataset = tf.data.TFRecordDataset(filenames)TFRecordDataset初始化程序的filenames參數可以是字符串、字符串列表，也可以是字符串tf.Tensor。因此，如果您有兩組分別用於訓練和驗證的文件，則可以使用tf.placeholder(tf.string)來表示文件名，並使用適當的文件名初始化迭代器：
filenames = tf.placeholder(tf.string, shape=[None])
dataset = tf.data.TFRecordDataset(filenames)
dataset = dataset.map(...) # Parse the record into tensors.
dataset = dataset.repeat() # Repeat the input indefinitely.
dataset = dataset.batch(32)
iterator = dataset.make_initializable_iterator()
# You can feed the initializer with the appropriate filenames for the current
# phase of execution, e.g. training vs. validation.
# Initialize `iterator` with training data.
training_filenames = ["/var/data/file1.tfrecord", "/var/data/file2.tfrecord"]
sess.run(iterator.initializer, feed_dict={filenames: training_filenames})
# Initialize `iterator` with validation data.
validation_filenames = ["/var/data/validation1.tfrecord", ...]
sess.run(iterator.initializer, feed_dict={filenames: validation_filenames})
8.3,消耗文本數據
filenames = ["/var/data/file1.txt", "/var/data/file2.txt"]
dataset = tf.data.TextLineDataset(filenames)
默認情況下，TextLineDataset會生成每個文件的每一行，這可能是不可取的（例如，如果文件以標題行開頭或包含注釋）。可以使用Dataset.skip()和Dataset.filter()轉換來移除這些行。為了將這些轉換分別應用於每個文件，我們使用Dataset.flat_map()為每個文件創建一個嵌套的Dataset。
filenames = ["/var/data/file1.txt", "/var/data/file2.txt"]
dataset = tf.data.Dataset.from_tensor_slices(filenames)
# Use `Dataset.flat_map()` to transform each file as a separate nested dataset,
# and then concatenate their contents sequentially into a single "flat" dataset.
# * Skip the first line (header row).
# * Filter out lines beginning with "#" (comments).
dataset = dataset.flat_map(
lambda filename: (
tf.data.TextLineDataset(filename)
.skip(1)
.filter(lambda line: tf.not_equal(tf.substr(line, 0, 1), "#"))))8.4,消耗 CSV 數據
給定一個或多個文件名以及默認值列表后，CsvDataset 將生成一個元素元組，元素類型對應於為每個 CSV 記錄提供的默認元素類型
# Creates a dataset that reads all of the records from two CSV files, each with
# eight float columns
filenames = ["/var/data/file1.csv", "/var/data/file2.csv"]
record_defaults = [tf.float32] * 8 # Eight required float columns
dataset = tf.contrib.data.CsvDataset(filenames, record_defaults)
# Creates a dataset that reads all of the records from two CSV files, each with
# four float columns which may have missing values
record_defaults = [[0.0]] * 8
dataset = tf.contrib.data.CsvDataset(filenames, record_defaults)
# Creates a dataset that reads all of the records from two CSV files with
# headers, extracting float data from columns 2 and 4.
record_defaults = [[0.0]] * 2 # Only provide defaults for the selected columns
dataset = tf.contrib.data.CsvDataset(filenames, record_defaults, header=True, select_cols=[2,4])
9,使用 Dataset.map() 預處理數據
Dataset.map(f) 轉換通過將指定函數 f 應用於輸入數據集的每個元素來生成新數據集
解析 tf.Example 協議緩沖區消息
# Transforms a scalar string `example_proto` into a pair of a scalar string and
# a scalar integer, representing an image and its label, respectively.
def _parse_function(example_proto):
features = {"image": tf.FixedLenFeature((), tf.string, default_value=""),
"label": tf.FixedLenFeature((), tf.int64, default_value=0)}
parsed_features = tf.parse_single_example(example_proto, features)
return parsed_features["image"], parsed_features["label"]
# Creates a dataset that reads all of the examples from two files, and extracts
# the image and label features.
filenames = ["/var/data/file1.tfrecord", "/var/data/file2.tfrecord"]
dataset = tf.data.TFRecordDataset(filenames)
dataset = dataset.map(_parse_function)
解碼圖片數據並調整其大小,use map
# Reads an image from a file, decodes it into a dense tensor, and resizes it
# to a fixed shape.
def _parse_function(filename, label):
image_string = tf.read_file(filename)
image_decoded = tf.image.decode_jpeg(image_string)
image_resized = tf.image.resize_images(image_decoded, [28, 28])
return image_resized, label
# A vector of filenames.
filenames = tf.constant(["/var/data/image1.jpg", "/var/data/image2.jpg", ...])
# `labels[i]` is the label for the image in `filenames[i].
labels = tf.constant([0, 37, ...])
dataset = tf.data.Dataset.from_tensor_slices((filenames, labels))
dataset = dataset.map(_parse_function)
使用 tf.py_func() 應用任意 Python 邏輯
為了確保性能，我們建議您盡可能使用 TensorFlow 指令預處理數據。不過，在解析輸入數據時，調用外部 Python 庫有時很有用。為此，請在 Dataset.map() 轉換中調用 tf.py_func() 指令
import cv2
# Use a custom OpenCV function to read the image, instead of the standard
# TensorFlow `tf.read_file()` operation.
def _read_py_function(filename, label):
image_decoded = cv2.imread(filename.decode(), cv2.IMREAD_GRAYSCALE)
return image_decoded, label
# Use standard TensorFlow operations to resize the image to a fixed shape.
def _resize_function(image_decoded, label):
image_decoded.set_shape([None, None, None])
image_resized = tf.image.resize_images(image_decoded, [28, 28])
return image_resized, label
filenames = ["/var/data/image1.jpg", "/var/data/image2.jpg", ...]
labels = [0, 37, 29, 1, ...]
dataset = tf.data.Dataset.from_tensor_slices((filenames, labels))
dataset = dataset.map(
lambda filename, label: tuple(tf.py_func(
_read_py_function, [filename, label], [tf.uint8, label.dtype])))
dataset = dataset.map(_resize_function)
批處理數據集元素
最簡單的批處理形式是將數據集中的 n 個連續元素堆疊為一個元素。Dataset.batch() 轉換正是這么做的，它與 tf.stack() 運算符具有相同的限制（被應用於元素的每個組件）：即對於每個組件 i，所有元素的張量形狀都必須完全相同
inc_dataset = tf.data.Dataset.range(100)
dec_dataset = tf.data.Dataset.range(0, -100, -1)
dataset = tf.data.Dataset.zip((inc_dataset, dec_dataset))
batched_dataset = dataset.batch(4)
iterator = batched_dataset.make_one_shot_iterator()
next_element = iterator.get_next()
print(sess.run(next_element)) # ==> ([0, 1, 2, 3], [ 0, -1, -2, -3])
print(sess.run(next_element)) # ==> ([4, 5, 6, 7], [-4, -5, -6, -7])
print(sess.run(next_element)) # ==> ([8, 9, 10, 11], [-8, -9, -10, -11])
使用填充批處理張量
dataset = tf.data.Dataset.range(100)
dataset = dataset.map(lambda x: tf.fill([tf.cast(x, tf.int32)], x))
dataset = dataset.padded_batch(4, padded_shapes=[None])
iterator = dataset.make_one_shot_iterator()
next_element = iterator.get_next()
print(sess.run(next_element)) # ==> [[0, 0, 0], [1, 0, 0], [2, 2, 0], [3, 3, 3]]
print(sess.run(next_element)) # ==> [[4, 4, 4, 4, 0, 0, 0],
# [5, 5, 5, 5, 5, 0, 0],
# [6, 6, 6, 6, 6, 6, 0],
# [7, 7, 7, 7, 7, 7, 7]]
您可以通過 Dataset.padded_batch() 轉換為每個組件的每個維度設置不同的填充，並且可以采用可變長度（在上面的示例中用 None 表示）或恆定長度。也可以替換填充值，默認設置為 0
10,訓練工作流程
要迭代數據集多個周期，最簡單的方法是使用 Dataset.repeat() 轉換
filenames = ["/var/data/file1.tfrecord", "/var/data/file2.tfrecord"]
dataset = tf.data.TFRecordDataset(filenames)
dataset = dataset.map(...)
dataset = dataset.repeat(10)
dataset = dataset.batch(32)
應用不帶參數的 Dataset.repeat() 轉換將無限次地重復輸入。Dataset.repeat() 轉換將其參數連接起來，而不會在一個周期結束和下一個周期開始時發出信號。
如果您想在每個周期結束時收到信號，則可以編寫在數據集結束時捕獲 tf.errors.OutOfRangeError 的訓練循環。此時，您可以收集關於該周期的一些統計信息（例如驗證錯誤）
filenames = ["/var/data/file1.tfrecord", "/var/data/file2.tfrecord"]
dataset = tf.data.TFRecordDataset(filenames)
dataset = dataset.map(...)
dataset = dataset.batch(32)
iterator = dataset.make_initializable_iterator()
next_element = iterator.get_next()
# Compute for 100 epochs.
for _ in range(100):
sess.run(iterator.initializer)
while True:
try:
sess.run(next_element)
except tf.errors.OutOfRangeError:
break
# [Perform end-of-epoch calculations here.]
隨機重排輸入數據
Dataset.shuffle() 轉換會使用類似於 tf.RandomShuffleQueue 的算法隨機重排輸入數據集：它會維持一個固定大小的緩沖區，並從該緩沖區統一地隨機選擇下一個元素
filenames = ["/var/data/file1.tfrecord", "/var/data/file2.tfrecord"]
dataset = tf.data.TFRecordDataset(filenames)
dataset = dataset.map(...)
dataset = dataset.shuffle(buffer_size=10000)
dataset = dataset.batch(32)
dataset = dataset.repeat()
11,使用高階 API
tf.train.MonitoredTrainingSession API 簡化了在分布式設置下運行 TensorFlow 的很多方面。MonitoredTrainingSession 使用 tf.errors.OutOfRangeError 表示訓練已完成，因此要將其與 tf.data API 結合使用，我們建議使用 Dataset.make_one_shot_iterator()
filenames = ["/var/data/file1.tfrecord", "/var/data/file2.tfrecord"]
dataset = tf.data.TFRecordDataset(filenames)
dataset = dataset.map(...)
dataset = dataset.shuffle(buffer_size=10000)
dataset = dataset.batch(32)
dataset = dataset.repeat(num_epochs)
iterator = dataset.make_one_shot_iterator()
next_example, next_label = iterator.get_next()
loss = model_function(next_example, next_label)
training_op = tf.train.AdagradOptimizer(...).minimize(loss)
with tf.train.MonitoredTrainingSession(...) as sess:
while not sess.should_stop():
sess.run(training_op)
要在 input_fn 中使用 Dataset（input_fn 屬於 tf.estimator.Estimator），只需返回 Dataset 即可，框架將負責為您創建和初始化迭代器。例如：
def dataset_input_fn():
filenames = ["/var/data/file1.tfrecord", "/var/data/file2.tfrecord"]
dataset = tf.data.TFRecordDataset(filenames)
# Use `tf.parse_single_example()` to extract data from a `tf.Example`
# protocol buffer, and perform any additional per-record preprocessing.
def parser(record):
keys_to_features = {
"image_data": tf.FixedLenFeature((), tf.string, default_value=""),
"date_time": tf.FixedLenFeature((), tf.int64, default_value=""),
"label": tf.FixedLenFeature((), tf.int64,
default_value=tf.zeros([], dtype=tf.int64)),
}
parsed = tf.parse_single_example(record, keys_to_features)
# Perform additional preprocessing on the parsed data.
image = tf.image.decode_jpeg(parsed["image_data"])
image = tf.reshape(image, [299, 299, 1])
label = tf.cast(parsed["label"], tf.int32)
return {"image_data": image, "date_time": parsed["date_time"]}, label
# Use `Dataset.map()` to build a pair of a feature dictionary and a label
# tensor for each example.
dataset = dataset.map(parser)
dataset = dataset.shuffle(buffer_size=10000)
dataset = dataset.batch(32)
dataset = dataset.repeat(num_epochs)
# Each element of `dataset` is tuple containing a dictionary of features
# (in which each value is a batch of values for that feature), and a batch of
# labels.
return dataset