私はTFでデータを読むことについてのチュートリアルに続き、いくつか試しました。問題は、私のテストでは、CSVからデータを読み込む際に作成したバッチに重複したデータが表示されることです。
私のコードは次のようになります。ファイルminibatchesからの読み込みで重複する値TensorFlow
# -*- coding: utf-8 -*-
from __future__ import absolute_import
from __future__ import division
from __future__ import print_function
import os
import collections
import numpy as np
from six.moves import xrange # pylint: disable=redefined-builtin
import tensorflow as tf
class XICSDataSet:
def __init__(self, height=20, width=195, batch_size=1000, noutput=15):
self.depth = 1
self.height = height
self.width = width
self.batch_size = batch_size
self.noutput = noutput
def trainingset_files_reader(self, data_dir, nfiles):
fnames = [os.path.join(data_dir, "test%d"%i) for i in range(nfiles)]
filename_queue = tf.train.string_input_producer(fnames, shuffle=False)
reader = tf.TextLineReader()
key, value = reader.read(filename_queue)
record_defaults = [[.0],[.0],[.0],[.0],[.0]]
data_tuple = tf.decode_csv(value, record_defaults=record_defaults, field_delim = ' ')
features = tf.pack(data_tuple[:-self.noutput])
label = tf.pack(data_tuple[-self.noutput:])
depth_major = tf.reshape(features, [self.height, self.width, self.depth])
min_after_dequeue = 100
capacity = min_after_dequeue + 30 * self.batch_size
example_batch, label_batch = tf.train.shuffle_batch([depth_major, label], batch_size=self.batch_size, capacity=capacity,
min_after_dequeue=min_after_dequeue)
return example_batch, label_batch
with tf.Graph().as_default():
ds = XICSDataSet(2, 2, 3, 1)
im, lb = ds.trainingset_files_reader(filename, 1)
sess = tf.Session()
init = tf.initialize_all_variables()
sess.run(init)
tf.train.start_queue_runners(sess=sess)
for i in range(1000):
lbs = sess.run([im, lb])[1]
_, nu = np.unique(lbs, return_counts=True)
if np.array_equal(nu, np.array([1, 1, 1])) == False:
print('Not unique elements found in a batch!')
print(lbs)
私は別のバッチサイズ、ファイルの異なる数、容量とmin_after_dequeueの異なる値で試してみましたが、私はいつも問題を取得します。最終的には、バッチを作成して例をシャッフルするだけで、1つのファイルからデータを読み取れるようにしたいと考えています。 このテストのために特別に作成された私のファイルには、サンプルを表す5行と5列があります。最後の列はそのサンプルのラベルです。これらは単なる乱数です。私はこれをテストするために10個のファイルしか使用していません。
私の勘違いは、エントリを複数回読み取ることになりますが、ファイルの最後には止まらず、折り返します。 min_after_dequeがファイルのエントリ数に匹敵するサイズの場合、2つの同一のエントリが同じバッチになる可能性があります。 1つはmin_after_deque要素の中に2度読み込まれるまで残っているからです。 – titus