要计算记录数,您应该可以使用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, 张量板非常有用。
0
要计算记录数,您应该可以使用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, 张量板非常有用。
0
根据tf_record_iterator的弃用警告,我们还可以使用急切执行来计数记录。
#!/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))
0
由于tf.io.tf_record_iterator已被弃用,萨尔瓦多·达利(Salvador Dali)的出色答案现在应该阅读
tf.enable_eager_execution()
sum(1 for _ in tf.data.TFRecordDataset(file_name))
0
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(二进制)字符串序列。该格式不是随机访问,因此它适合于流式传输大量数据,但如果需要快速分片或其他非顺序访问,则不适合。
如果需要,可以手动存储此元数据,也可以使用record_iterator来获取数字(您将需要遍历所有记录:
sum(1 for _ in tf.python_io.tf_record_iterator(file_name))
如果您想知道当前纪元,可以通过张量板或通过打印循环中的数字来实现。
0
是否可以从
.tfrecords
文件获取记录总数?与此相关的是,人们通常如何跟踪训练模型时经过的纪元数?尽管我们可以指定batch_size
和num_of_epochs
,但我不确定是否可以直接获取诸如current epoch
,每个时期的批次数量等值-只是为了让我可以更好地控制培训的进行方式。目前,我只是用一个肮脏的hack来计算它,正如我事先知道的.tfrecords文件中有多少条记录以及迷你批处理的大小一样。感谢任何帮助。