【发布时间】:2020-06-12 15:01:45
【问题描述】:
我目前正在使用tf.keras.utils.Sequence 对象为 CNN 生成图像批次。我正在为模型使用 Tensorflow 2.2 和 Model.fit 方法。当我拟合模型时,当我在tf.keras.model.fit(...) 中设置use_multiprocessing=True 时,每个时期都会引发以下警告:
WARNING:tensorflow:multiprocessing can interact badly with TensorFlow,
causing nondeterministic deadlocks. For high performance data pipelines tf.data is recommended
模型优化得很好,正如文档中所预期的那样,而且我正在使用基于Sequence 的生成器。但是,如果 use_multiprocessing 将成为一个已弃用的功能来代替 tf.data 对象,我希望使用最新的输入管道。我目前使用以下基于tf.keras.utils.Sequence 的生成器,灵感来自这篇关于大型数据集分区良好实践的文章:
https://stanford.edu/~shervine/blog/keras-how-to-generate-data-on-the-fly
class DataGenerator(keras.utils.Sequence):
'Generates data for Keras'
def __init__(self, list_IDs, labels, data_dir, batch_size=32, dim=(128,128), n_channels=1,
n_classes=2, shuffle=True, **augmentation_kwargs):
'Initialization'
self.dim = dim
self.batch_size = batch_size
self.labels = labels
self.list_IDs = list_IDs
self.data_dir = data_dir
self.n_channels = n_channels
self.n_classes = n_classes
self.shuffle = shuffle
self.on_epoch_end()
self.augmentor = keras.preprocessing.image.ImageDataGenerator(**augmentation_kwargs)
def __len__(self):
'Denotes the number of batches per epoch'
return int(np.floor(len(self.list_IDs) / self.batch_size))
def __getitem__(self, index):
'Generate one batch of data'
# Generate indexes of the batch
indexes = self.indexes[index*self.batch_size:(index+1)*self.batch_size]
# Find list of IDs
list_IDs_temp = [self.list_IDs[k] for k in indexes]
# Generate data
X, y = self.__data_generation(list_IDs_temp)
return X, y
def on_epoch_end(self):
'Updates indexes after each epoch'
self.indexes = np.arange(len(self.list_IDs))
if self.shuffle == True:
np.random.shuffle(self.indexes)
def __data_generation(self, list_IDs_temp):
'Generates data containing batch_size samples' # X : (n_samples, *dim, n_channels)
# Initialization
X = np.empty((self.batch_size, *self.dim))
y = np.empty((self.batch_size), dtype=int)
# Generate data
for i, ID in enumerate(list_IDs_temp):
# Store sample
X[i,] = np.load(self.data_dir +'/{}_stars.npy'.format(ID))
# Store class
y[i] = self.labels[ID]
# Reshape and apply augmentation to sample
X,y = self.augmentor.flow(X.reshape(self.batch_size,*self.dim,1),y=y,
shuffle=False,batch_size=self.batch_size)[0]
return X, y
所有类的所有数据都在data_dir 目录中,并存储为单独的.npy 文件。 ID 来自字符串列表。类标签取自以 ID 为键的字典——如文章中所述。
我真的很喜欢 Sequence 生成器设置的直觉。我还可以轻松地生成随机批次来检查它的行为是否符合我的预期。但是如何使用tf.data 重现此设置?如何使用tf.data.Dataset 的interleave 和prefetch 方法重现Sequence 生成器的多处理批处理生成?和/或我可以简单地使用tf.data.Dataset.from_generator() 方法摄取这个基于Sequence 的生成器吗?
非常感谢。
【问题讨论】:
标签: tensorflow tf.keras tensorflow2.x