在学习tensorflow的过程中，读取数据这一块很难理解。确实这一块官方的教程比较简略，网上也找不到什么合适的学习材料。今天这篇文章就以图片的形式，用最简单的语言，为大家详细解释一下tensorflow的数据读取机制，文章的最后还会给出实战代码以供参考。

一、tensorflow读取机制图解

首先需要思考的一个问题是，什么是数据读取？以图像数据为例，读取数据的过程可以用下图来表示：

假设我们的硬盘中有一个图片数据集0001.jpg，0002.jpg，0003.jpg……我们只需要把它们读取到内存中，然后提供给GPU或是CPU进行计算就可以了。这听起来很容易，但事实远没有那么简单。

如何解决这个问题？方法就是将读入数据和计算分别放在两个线程中，将数据读入内存的一个队列，如下图所示：

读取线程源源不断地将文件系统中的图片读入到一个内存的队列中，而负责计算的是另一个线程，计算需要数据时，直接从内存队列中取就可以了。这样就可以解决GPU因为IO而空闲的问题！

而在tensorflow中，为了方便管理，在内存队列前又添加了一层所谓的“文件名队列”。

为什么要添加这一层文件名队列？我们首先得了解机器学习中的一个概念：epoch。对于一个数据集来讲，运行一个epoch就是将这个数据集中的图片全部计算一遍。如一个数据集中有三张图片A.jpg、B.jpg、C.jpg，那么跑一个epoch就是指对A、B、C三张图片都计算了一遍。两个epoch就是指先对A、B、C各计算一遍，然后再全部计算一遍，也就是说每张图片都计算了两遍。

tensorflow使用文件名队列+内存队列双队列的形式读入文件，可以很好地管理epoch。下面我们用图片的形式来说明这个机制的运行方式。如下图，还是以数据集A.jpg, B.jpg, C.jpg为例，假定我们要跑一个epoch，那么我们就在文件名队列中把A、B、C各放入一次，并在之后标注队列结束。

程序运行后，内存队列首先读入A（此时A从文件名队列中出队）：

再依次读入B和C：

此时，如果再尝试读入，系统由于检测到了“结束”，就会自动抛出一个异常（OutOfRange）。外部捕捉到这个异常后就可以结束程序了。这就是tensorflow中读取数据的基本机制。如果我们要跑2个epoch而不是1个epoch，那只要在文件名队列中将A、B、C依次放入两次再标记结束就可以了。

二、tensorflow读取数据机制的对应函数

如何在tensorflow中创建上述的两个队列呢？

对于文件名队列，我们使用tf.train.string_input_producer函数。这个函数需要传入一个文件名list，系统会自动将它转为一个文件名队列。

此外tf.train.string_input_producer还有两个重要的参数，一个是num_epochs，它就是我们上文中提到的epoch数。另外一个就是shuffle，shuffle是指在一个epoch内文件的顺序是否被打乱。若设置shuffle=False，如下图，每个epoch内，数据还是按照A、B、C的顺序进入文件名队列，这个顺序不会改变：

如果设置shuffle=True，那么在一个epoch内，数据的前后顺序就会被打乱，如下图所示：

在tensorflow中，内存队列不需要我们自己建立，我们只需要使用reader对象从文件名队列中读取数据就可以了，具体实现可以参考下面的实战代码。

除了tf.train.string_input_producer外，我们还要额外介绍一个函数：tf.train.start_queue_runners。初学者会经常在代码中看到这个函数，但往往很难理解它的用处，在这里，有了上面的铺垫后，我们就可以解释这个函数的作用了。

在我们使用tf.train.string_input_producer创建文件名队列后，整个系统其实还是处于“停滞状态”的，也就是说，我们文件名并没有真正被加入到队列中（如下图所示）。此时如果我们开始计算，因为内存队列中什么也没有，计算单元就会一直等待，导致整个系统被阻塞。

而使用tf.train.start_queue_runners之后，才会启动填充队列的线程，这时系统就不再“停滞”。此后计算单元就可以拿到数据并进行计算，整个程序也就跑起来了，这就是函数tf.train.start_queue_runners的用处。

三、实战代码

我们用一个具体的例子感受tensorflow中的数据读取。如图，假设我们在当前文件夹中已经有A.jpg、B.jpg、C.jpg三张图片，我们希望读取这三张图片5个epoch并且把读取的结果重新存到read文件夹中。

对应的代码如下：

1. # 导入tensorflow
2. import tensorflow as tf
3. # 新建一个Session
4. with tf.Session() as sess:
5. # 我们要读三幅图片A.jpg, B.jpg, C.jpg
6. filename = ['A.jpg', 'B.jpg', 'C.jpg']
7. # string_input_producer会产生一个文件名队列
8. filename_queue = tf.train.string_input_producer(filename, shuffle=False, num_epochs=5)
9. # reader从文件名队列中读数据。对应的方法是reader.read
10. reader = tf.WholeFileReader()
11. key, value = reader.read(filename_queue)
12. # tf.train.string_input_producer定义了一个epoch变量，要对它进行初始化
13. tf.local_variables_initializer().run()
14. # 使用start_queue_runners之后，才会开始填充队列
15. threads = tf.train.start_queue_runners(sess=sess)
16. i = 0
17. while True:
18. i += 1
19. # 获取图片数据并保存
20. image_data = sess.run(value)
21. with open('read/test_%d.jpg' % i, 'wb') as f:
22. f.write(image_data)

我们这里使用filename_queue = tf.train.string_input_producer(filename, shuffle=False, num_epochs=5)建立了一个会跑5个epoch的文件名队列。并使用reader读取，reader每次读取一张图片并保存。

运行代码后，我们得到就可以看到read文件夹中的图片，正好是按顺序的5个epoch：

如果我们设置filename_queue = tf.train.string_input_producer(filename, shuffle=False, num_epochs=5)中的shuffle=True，那么在每个epoch内图像就会被打乱，如图所示：

1. # 导入tensorflow
2. import tensorflow as tf
3. # 新建一个Session
4. with tf.Session() as sess:
5. # 我们要读三幅图片A.jpg, B.jpg, C.jpg
6. filename = ['./data/A.png', './data/B.png', './data/C.png']
7. # string_input_producer会产生一个文件名队列
8. filename_queue = tf.train.string_input_producer(filename, shuffle=True, num_epochs=5)
9. # reader从文件名队列中读数据。对应的方法是reader.read
10. reader = tf.WholeFileReader()
11. key, value = reader.read(filename_queue)
12. # tf.train.string_input_producer定义了一个epoch变量，要对它进行初始化
13. tf.local_variables_initializer().run()
14. # 使用start_queue_runners之后，才会开始填充队列
15. threads = tf.train.start_queue_runners(sess=sess)
16. i = 0
17. while True:
18. i += 1
19. # 获取图片数据并保存
20. image_data = sess.run(value)
21. with open('data/test_%d.jpg' % i, 'wb') as f:
22. f.write(image_data)

四、TensorFLow的几种图片读取方法

1.使用gfile读图片，decode输出是Tensor，eval后是ndarray

1. import matplotlib.pyplot as plt
2. import tensorflow as tf
3. import numpy as np
4. print(tf.__version__)
5. image_raw = tf.gfile.FastGFile('test/a.jpg','rb').read() #bytes
6. img = tf.image.decode_jpeg(image_raw) #Tensor
7. #img2 = tf.image.convert_image_dtype(img, dtype = tf.uint8)
8. with tf.Session() as sess:
9. print(type(image_raw)) # bytes
10. print(type(img)) # Tensor
11. #print(type(img2))
12. print(type(img.eval())) # ndarray !!!
13. print(img.eval().shape)
14. print(img.eval().dtype)
15. # print(type(img2.eval()))
16. # print(img2.eval().shape)
17. # print(img2.eval().dtype)
18. plt.figure(1)
19. plt.imshow(img.eval())
20. plt.show()

2.使用WholeFileReader输入queue，decode输出是Tensor，eval后是ndarray

1. import tensorflow as tf
2. import os
3. import matplotlib.pyplot as plt
4. def file_name(file_dir): #来自http://blog.csdn.net/lsq2902101015/article/details/51305825
5. for root, dirs, files in os.walk(file_dir): #模块os中的walk()函数遍历文件夹下所有的文件
6. print(root) #当前目录路径
7. print(dirs) #当前路径下所有子目录
8. print(files) #当前路径下所有非目录子文件
9. def file_name2(file_dir): #特定类型的文件
10. L=[]
11. for root, dirs, files in os.walk(file_dir):
12. for file in files:
13. if os.path.splitext(file)[1] == '.jpg':
14. L.append(os.path.join(root, file))
15. return L
16. path = file_name2('test')

1. #path2 = tf.train.match_filenames_once(path)
2. file_queue = tf.train.string_input_producer(path, shuffle=True, num_epochs=2) #创建输入队列
3. image_reader = tf.WholeFileReader()
4. key, image = image_reader.read(file_queue)
5. image = tf.image.decode_jpeg(image)
6. with tf.Session() as sess:
7. # coord = tf.train.Coordinator() #协同启动的线程
8. # threads = tf.train.start_queue_runners(sess=sess, coord=coord) #启动线程运行队列
9. # coord.request_stop() #停止所有的线程
10. # coord.join(threads)
11. tf.local_variables_initializer().run()
12. threads = tf.train.start_queue_runners(sess=sess)
13. #print (type(image))
14. #print (type(image.eval()))
15. #print(image.eval().shape)
16. for _ in path+path:
17. plt.figure
18. plt.imshow(image.eval())
19. plt.show()

3.使用read_file，decode输出是Tensor，eval后是ndarray

1. import matplotlib.pyplot as plt
2. import tensorflow as tf
3. import numpy as np
4. print(tf.__version__)
5. image_value = tf.read_file('test/a.jpg')
6. img = tf.image.decode_jpeg(image_value, channels=3)
7. with tf.Session() as sess:
8. print(type(image_value)) # bytes
9. print(type(img)) # Tensor
10. #print(type(img2))
11. print(type(img.eval())) # ndarray !!!
12. print(img.eval().shape)
13. print(img.eval().dtype)
14. # print(type(img2.eval()))
15. # print(img2.eval().shape)
16. # print(img2.eval().dtype)
17. plt.figure(1)
18. plt.imshow(img.eval())
19. plt.show()