在tensorflow中，有三種方式輸入資料
1利用feed_dict送入numpy陣列
2利用佇列從檔案中直接讀取資料
3預載入資料
其中第一種方式很常用，在tensorflow的mnist訓練原始碼中可以看到，通過feed_dict={}，可以將任意資料送入tensor中。
第二種方式相比於第一種，速度更快，可以利用多執行緒的優勢把資料送入佇列，再以batch的方式出隊，並且在這個過程中可以很方便地對影象進行隨機裁剪、翻轉、改變對比度等預處理，同時可以選擇是否對資料隨機打亂，可以說是非常方便。該部分的原始碼在tensorflow官方的cifar-10訓練原始碼中可以看到，但是對於剛學習tensorflow的人來說，比較難以理解，本篇部落格就當成我除錯完成後寫的一篇總結，以防自己再忘記具體細節。
path = 'e:\dataset\cifar-10\cifar-10-batches-py'
# extract train examples
num_train_examples = 50000
x_train = np.empty((num_train_examples, 32, 32, 3), dtype='uint8')
y_train = np.empty((num_train_examples), dtype='uint8')
for i in range(1, 6):
fpath = os.path.join(path, 'data_batch_' + str(i))
(x_train[(i - 1) * 10000: i * 10000, :, :, :], y_train[(i - 1) * 10000: i * 10000]) = load_and_decode(fpath)
# extract test examples
fpath = os.path.join(path, 'test_batch')
x_test, y_test = load_and_decode(fpath)
return x_train, y_train, x_test, np.array(y_test)
但對於第二種方式，讀取起來就要麻煩很多，但使用起來，又快又方便
以讀取cifar10為例。
**#1、讀取檔案，生成檔名列表**
path = 'e:\dataset\cifar-10\cifar-10-batches-py'
filenames = [os.path.join(path, 'data_batch_%d' % i) for i in range(1, 6)]
**#2、利用tf.train.string_input_producer函式生成乙個讀取佇列**
filename_queue = tf.train.string_input_producer(filenames)
def read_cifar10(filename_queue):
label_bytes = 1
image_size = 32
channels = 3
image_bytes = image_size*image_size*3
record_bytes = label_bytes+image_bytes
# **3、定義乙個 reader。**
#若讀取列表中為單獨檔案則用tf.wholefilereader()
reader = tf.fixedlengthrecordreader(record_bytes)
key, value = reader.read(filename_queue)
record_bytes = tf.decode_raw(value, tf.uint8)
label = tf.strided_slice(record_bytes, [0], [label_bytes])
depth_major = tf.reshape(tf.strided_slice(record_bytes, [label_bytes],
[label_bytes + image_bytes]),
[channels, image_size, image_size])
image = tf.transpose(depth_major, [1, 2, 0])
return image, label #tensor格式
ThreadPoolExecutor 多執行緒
from concurrent.futures import threadpoolexecutor,wait,all completed from queue import queue myqueue queue 佇列，用於儲存函式執行結果。多執行緒的問題之一 如何儲存函式執行的結果。def thr...
c 多線例項
using system using system.threading using system.text namespace controlthread 第二個執行緒正在執行，請輸入 s uspend,r esume,i nterrupt,or e xit.datetime.now.tostrin...
CLLocationManager在多執行緒下使用
似乎定位的返回 呼叫 只能有主線程來呼叫，並且這個物件還必須是在主線程建立的。做過以下實驗 1.子執行緒中 self.locationmanager cllocationmanager alloc init autorelease locationmanager.delegate self loca...