时间戳

首页 > 解决方案 > Keras 是否有一种无需额外数据处理措施即可读取 TFRecord 数据集的方法？

tensorflow - Keras 是否有一种无需额外数据处理措施即可读取 TFRecord 数据集的方法？

问题描述

我是一名高中生，试图学习 TensorFlow 的基础知识。我目前正在使用 TFRecords 输入文件构建模型，这是 TensorFlow 的默认数据集文件类型，已从原始原始数据压缩。我目前正在使用一种复杂的方式将数据解析为 numpy 数组，以便 Keras 对其进行解释。虽然 Keras 是 TF 的一部分，但它应该能够轻松读取 TFRecord 数据集。Keras 还有其他方法可以理解 TFRecord 文件吗？

我使用 _decodeExampleHelper 方法来准备训练数据。

def _decodeExampleHelper(example) :
  dataDictionary = {
    'xValues' : tf.io.FixedLenFeature([7], tf.float32),
    'yValues' : tf.io.FixedLenFeature([3], tf.float32)
  }
  # Parse the input tf.Example proto using the data dictionary
  example = tf.io.parse_single_example(example, dataDictionary)
  xValues = example['xValues']
  yValues = example['yValues']
  # The Keras Sequential network will have "dense" as the name of the first layer; dense_input is the input to this layer
  return dict(zip(['dense_input'], [xValues])), yValues

data = tf.data.TFRecordDataset(workingDirectory + 'training.tfrecords')

parsedData = data.map(_decodeExampleHelper)

parsedData我们可以在下面的代码块中看到具有正确的尺寸。

tmp = next(iter(parsedData))
print(tmp)

这会输出 Keras 应该能够解释的正确维度的第一组数据。

({'dense_input': <tf.Tensor: id=273, shape=(7,), dtype=float32, numpy=
array([-0.6065675 , -0.610906  , -0.65771157, -0.41417238,  0.89691925,
        0.7122903 ,  0.27881026], dtype=float32)>}, <tf.Tensor: id=274, shape=(3,), dtype=float32, numpy=array([ 0.        , -0.65868723, -0.27960175], dtype=float32)>)

这是一个非常简单的模型，只有两层，并使用我刚刚解析的数据对其进行训练。

model = tf.keras.models.Sequential(
    [
      tf.keras.layers.Dense(20, activation = 'relu', input_shape = (7,)),
      tf.keras.layers.Dense(3, activation = 'linear'),
    ]
)

model.compile(optimizer = 'adam', loss = 'mean_absolute_error', metrics = ['accuracy'])

model.fit(parsedData, epochs = 1)

尽管dense_input 为7 ，但该行model.fit(parsedData, epochs = 1)给出了错误。ValueError: Error when checking input: expected dense_input to have shape (7,) but got array with shape (1,)

在这种情况下会出现什么问题？为什么 Keras 不能正确解释文件中的张量？

标签： tensorflowtfrecord

解决方案

在将数据传递给 Keras 并使用输入层之前，您需要对数据进行批处理。以下对我来说很好：

import tensorflow as tf

ds = tf.data.Dataset.from_tensors((
    {'dense_input': [0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7]}, [ 0.0, 0.1, -0.1]))
ds = ds.repeat(32).batch(32)

model = tf.keras.models.Sequential(
    [
      tf.keras.Input(shape=(7,), name='dense_input'),
      tf.keras.layers.Dense(20, activation = 'relu'),
      tf.keras.layers.Dense(3, activation = 'linear'),
    ]
)

model.compile(optimizer = 'adam', loss = 'mean_absolute_error', metrics = ['accuracy'])

model.fit(ds, epochs = 1)

推荐阅读