呆板学习实操 第二部门 神经网路和深度学习 第13章 使用TensorFlow加载和预 ...

呆板学习实操 第二部门 神经网路和深度学习 第13章 使用TensorFlow加载和预处理数据

内容概要

第13章深入探究了怎样使用TensorFlow加载和预处理数据。本章首先介绍了tf.data API，它能够高效地加载和预处理大规模数据集，支持并行文件读取、数据打乱、批量处理等功能。接着，讨论了TFRecord格式，这是一种高效的二进制存储格式，适合存储大量数据。别的，还介绍了Keras预处理层，这些层可以直接嵌入到模型中，实现在练习和推理过程中对数据的主动预处理。最后，探究了TensorFlow Datasets（TFDS）和TensorFlow Hub等工具，它们提供了便捷的数据加载和预处理功能。

主要内容

• tf.data API
  
  
  
  • 核心概念：tf.data.Dataset表示数据项的序列，支持从多种数据源加载数据。
    
  • 数据转换：通过map()、filter()、batch()、shuffle()等方法对数据集进行转换。
    
  • 高效加载：支持多线程和列队机制，可在练习过程中并行加载和预处理数据。
    
  
  
• TFRecord格式
  
  
  
  • 简介：TFRecord是TensorFlow的首选数据存储格式，支持高效读取和存储大量数据。
    
  • 读写操作：使用tf.io.TFRecordWriter写入数据，使用tf.data.TFRecordDataset读取数据。
    
  • 协议缓冲区（Protocol Buffers）：TFRecord文件通常包罗序列化的协议缓冲区，支持机动和高效的数据表示。
    
  
  
• Keras预处理层
  
  
  
  • 归一化层：用于尺度化数值特征，可在模型内部直接进行数据归一化。
    
  • 分类特征编码：包括StringLookup、Hashing、Embedding等层，用于处理分类文本特征和嵌入表示。
    
  • 文本预处理：TextVectorization层支持文本向量化，适用于自然语言处理任务。
    
  • 图像预处理：提供Resizing、Rescaling、CenterCrop等层，用于图像大小调解、像素值缩放和中心裁剪。
    
  
  
• 数据加载工具
  
  
  
  • TensorFlow Datasets (TFDS)：简化常见数据集的加载过程，支持多种数据集范例，可主动下载和预处理数据。
    
  • TensorFlow Hub：提供预练习模型组件，便于在项目中复用强盛的预练习模型。
    
  
  

关键代码和算法

13.1 使用tf.data API创建数据集

1. import tensorflow as tf
3. # 创建数据集
4. X = tf.range(10)
5. dataset = tf.data.Dataset.from_tensor_slices(X)
7. # 数据转换
8. dataset = dataset.repeat(3).batch(7)
10. # 使用map()进行预处理
11. dataset = dataset.map(lambda x: x * 2)
13. # 数据打乱和批量处理
14. dataset = dataset.shuffle(buffer_size=4).batch(32).prefetch(1)

复制代码

13.2 创建TFRecord文件并读取

1. # 写入TFRecord文件
2. with tf.io.TFRecordWriter("my_data.tfrecord") as f:
3.     f.write(b"This is the first record")
4.     f.write(b"And this is the second record")
6. # 读取TFRecord文件
7. dataset = tf.data.TFRecordDataset(["my_data.tfrecord"])
8. for item in dataset:
9.     print(item)

复制代码

13.3 使用Keras预处理层

1. # 归一化层
2. norm_layer = tf.keras.layers.Normalization()
3. norm_layer.adapt(X_train)
4. model = tf.keras.models.Sequential([norm_layer, tf.keras.layers.Dense(1)])
6. # 分类特征编码
7. str_lookup_layer = tf.keras.layers.StringLookup()
8. str_lookup_layer.adapt(cities)
9. cat_embeddings = tf.keras.layers.Embedding(input_dim=str_lookup_layer.vocabulary_size(), output_dim=2)
10. lookup_and_embed = tf.keras.Sequential([str_lookup_layer, cat_embeddings])
12. # 文本向量化
13. text_vec_layer = tf.keras.layers.TextVectorization()
14. text_vec_layer.adapt(train_data)

复制代码

精彩语录

• 中文：tf.data API是TensorFlow中用于加载和预处理数据的强盛工具。
  英文原文：The tf.data API is TensorFlow’s preferred way to load and preprocess data efficiently.
  解释：强调了tf.data API在数据处理中的告急性。
  
• 中文：Keras预处理层可以嵌入到模型中，确保在练习和推理过程中主动进行数据预处理。
  英文原文：Keras preprocessing layers can be embedded in your models to preprocess data on the fly during training and inference.
  解释：介绍了Keras预处理层的上风。
  
• 中文：TFRecord格式是TensorFlow的首选数据存储格式，支持高效读取和存储大量数据。
  英文原文：The TFRecord format is TensorFlow’s preferred format for storing large amounts of data and reading it efficiently.
  解释：解释了TFRecord格式的用途和上风。
  
• 中文：使用预练习模型组件可以显著加快模型开发和摆设的速度。
  英文原文：Using pretrained model components can significantly accelerate model development and deployment.
  解释：强调了预练习模型组件的实用性。
  
• 中文：数据加载和预处理是深度学习中的关键技能，尤其是在处理大规模数据集时。
  英文原文：Loading and preprocessing data efficiently is a crucial skill in deep learning, especially when dealing with large datasets.
  解释：突出了数据处理技能的告急性。
  

总结

通过本章的学习，读者将把握使用TensorFlow加载和预处理数据的方法。内容涵盖了tf.data API的使用、TFRecord格式的读写、Keras预处理层的应用，以及TensorFlow Datasets和TensorFlow Hub的使用。这些技能对于高效处理大规模数据集、优化模型练习过程以及简化模型摆设具有告急意义。

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。