如何在一个hdf5数据文件中读取批次进行培训？

Question

我有一个大小为(21760, 1, 33, 33)的hdf5培训数据集。 21760是训练样本的总数。我想使用大小为128的小批量训练数据来训练网络。

我要问：

如何从整个数据集tensorflow每次喂128小批量的训练数据？

Answer 1

您可以将hdf5数据集读入numpy数组，并将numpy数组的切片供给TensorFlow模型。像下面的伪代码将工作：

import numpy, h5py 
f = h5py.File('somefile.h5','r') 
data = f.get('path/to/my/dataset') 
data_as_array = numpy.array(data) 
for i in range(0, 21760, 128): 
    sess.run(train_op, feed_dict={input:data_as_array[i:i+128, :, :, :]}) 

Answer 2

如果你的数据集是如此之大，它不能被导入到记忆像是keveman建议，您可以直接使用的h5py对象：

import h5py 
import tensorflow as tf 

data = h5py.File('myfile.h5py', 'r') 
data_size = data['data_set'].shape[0] 
batch_size = 128 
sess = tf.Session() 
train_op = # tf.something_useful() 
input = # tf.placeholder or something 
for i in range(0, data_size, batch_size): 
    current_data = data['data_set'][position:position+batch_size] 
    sess.run(train_op, feed_dict={input: current_data}) 

您也可以通过迭代的数量庞大的运行，并随机选择一个批次，如果你想：

import random 
for i in range(iterations): 
    pos = random.randint(0, int(data_size/batch_size)-1) * batch_size 
    current_data = data['data_set'][pos:pos+batch_size] 
    sess.run(train_op, feed_dict={inputs=current_data}) 

或顺序：

for i in range(iterations): 
    pos = (i % int(data_size/batch_size)) * batch_size 
    current_data = data['data_set'][pos:pos+batch_size] 
    sess.run(train_op, feed_dict={inputs=current_data}) 

您可能想要编写一些随机遍历所有数据的更复杂的代码，但会跟踪哪些批次已被使用，因此您不会比其他批次更频繁地使用任何批次。一旦完成了训练集的全部运行，您可以再次启用所有批次并重复。