tensorflow - 从 Tensorflow 中的 .tfrecords 文件中获取记录总数

Question

是否可以从文件中获取记录总数.tfrecords？与此相关，人们通常如何跟踪训练模型时经过的 epoch 数？虽然我们可以指定batch_sizeand num_of_epochs，但我不确定是否可以直接获得诸如current epoch每个 epoch 的批次数等值 - 以便我可以更好地控制训练的进度。目前，我只是使用肮脏的技巧来计算这个，因为我事先知道我的 .tfrecords 文件中有多少条记录以及我的小批量的大小。感谢任何帮助..

Answer 1

要计算记录数，您应该能够使用tf.python_io.tf_record_iterator.

c = 0
for fn in tf_records_filenames:
  for record in tf.python_io.tf_record_iterator(fn):
     c += 1

为了跟踪模型训练，张量板就派上用场了。

Answer 2

不，这是不可能的。TFRecord不存储有关存储在其中的数据的任何元数据。这个文件

表示一系列（二进制）字符串。该格式不是随机访问，因此适用于流式传输大量数据，但不适用于需要快速分片或其他非顺序访问的情况。

如果需要，您可以手动存储此元数据或使用record_iterator来获取数字（您需要遍历您拥有的所有记录：

sum(1 for _ in tf.python_io.tf_record_iterator(file_name))

---

如果你想知道当前的 epoch，你可以从 tensorboard 或通过打印循环中的数字来做到这一点。

Answer 3

由于tf.io.tf_record_iterator被弃用，萨尔瓦多·达利的伟大答案现在应该阅读

tf.enable_eager_execution()
sum(1 for _ in tf.data.TFRecordDataset(file_name))

Answer 4

根据tf_record_iterator上的弃用警告，我们还可以使用急切执行来计算记录。

#!/usr/bin/env python
from __future__ import print_function

import tensorflow as tf
import sys

assert len(sys.argv) == 2, \
    "USAGE: {} <file_glob>".format(sys.argv[0])

tf.enable_eager_execution()

input_pattern = sys.argv[1]

# Expand glob if there is one
input_files = tf.io.gfile.glob(input_pattern)

# Create the dataset
data_set = tf.data.TFRecordDataset(input_files)

# Count the records
records_n = sum(1 for record in data_set)

print("records_n = {}".format(records_n))

Answer 5

由于 tf.enable_eager_execution() 不再有效，请使用：

tf.compat.v1.enable_eager_execution

sum(1 for _ in tf.data.TFRecordDataset(FILENAMES))