TensorFlow - 使用interleave或parallel_interleave时出错

Question

我正在使用像这个tf.data.Datasets的V1.12 API的Q&A来读取目录中每个文件预先保存的几个.h5文件。我先做了一台发电机：

class generator_yield:
    def __init__(self, file):
        self.file = file

    def __call__(self):
        with h5py.File(self.file, 'r') as f:
            yield f['X'][:], f['y'][:]

然后制作一个文件名列表并将它们传递到Dataset：

def _fnamesmaker(dir, mode='h5'):
    fnames = []
    for dirpath, _, filenames in os.walk(dir):
        for fname in filenames:
            if fname.endswith(mode):
                fnames.append(os.path.abspath(os.path.join(dirpath, fname)))
    return fnames

fnames = _fnamesmaker('./')
len_fnames = len(fnames)
fnames = tf.data.Dataset.from_tensor_slices(fnames)

应用数据集的交错方法：

# handle multiple files
ds = fnames.interleave(lambda filename: tf.data.Dataset.from_generator(
    generator_yield(filename), output_types=(tf.float32, tf.float32),
    output_shapes=(tf.TensorShape([100, 100, 1]), tf.TensorShape([100, 100, 1]))), cycle_length=len_fnames)
ds = ds.batch(5).shuffle(5).prefetch(5)

# init iterator
it = ds.make_initializable_iterator()
init_op = it.initializer
X_it, y_it = it.get_next()

模型：

# model
with tf.name_scope("Conv1"):
    W = tf.get_variable("W", shape=[3, 3, 1, 1],
                         initializer=tf.contrib.layers.xavier_initializer())
    b = tf.get_variable("b", shape=[1], initializer=tf.contrib.layers.xavier_initializer())
    layer1 = tf.nn.conv2d(X_it, W, strides=[1, 1, 1, 1], padding='SAME') + b
    logits = tf.nn.relu(layer1)


    loss = tf.reduce_mean(tf.losses.mean_squared_error(labels=y_it, predictions=logits))
    train_op = tf.train.AdamOptimizer(learning_rate=0.0001).minimize(loss)

开始会话：

with tf.Session() as sess:
    sess.run([tf.global_variables_initializer(), init_op])
    while True:
        try:
            data = sess.run(train_op)
            print(data.shape)
        except tf.errors.OutOfRangeError:
            print('done.')
            break

错误看起来像：

TypeError：预期的str，bytes或os.PathLike对象，而不是Tensor在生成器的init方法中。显然，当一个人应用交错时，它是一个Tensor传递给发生器

Answer 1

您无法通过sess.run直接运行数据集对象。你必须定义一个迭代器，获取下一个元素。尝试做类似的事情：

next_elem = files.make_one_shot_iterator.get_next()
data = sess.run(next_elem)

你应该能够获得你的张量。

Answer 2

根据这个post，我的情况不会受益于parralel_interleave的表现。

...有一个转换，可以将源数据集的每个元素转换为多个元素到目标数据集中......

它与典型的分类问题更相关，数据（狗，猫......）保存在不同的目录中。我们这里有一个分段问题，这意味着标签包含输入图像的相同尺寸。所有数据都存储在一个目录中，每个.h5文件包含一个图像及其标签（掩码）

在这里，一个简单的map与num_parallel_calls是sufficient。