TensorFlow源码阅读——tensorflow.contrib.learn.python.learn.datasets目录

minist.py

此模块下载并读取MNIST数据。导入的tensorflow模块为

from tensorflow.contrib.learn.python.learn.datasets import base
from tensorflow.python.framework import dtypes

全局变量

SOURCE_URL = ‘http://yann.lecun.com/exdb/mnist/‘#在read_data_sets函数中下载数据集时会用到

函数

• _read32(bytestream)：

• extract_images(f)：从下载的文件的文件对象中提取图像并转换成4D uint8类型的nparray [index, y, x, depth]
  参数：
  f：可以传给gzip读取器的文件对象（压缩文件）
  返回：
  data：4D的uint8类型的图像nparray [index, y, x, depth]
  异常：
  如果文件不以2051开头的话，捕获异常

• dense_to_one_hot(labels_dense, num_classes)：把类别标签从标量转换成one-hot向量
  参数：
  labels_dense：一维向量，每个元素值表示类别标签
  num_classes：类别总数
  返回：
  labels_one_hot：nparray，shape=[labels_dense.shape[0], num_classes]。每一行只有一个位置上的元素值为1

• extract_labels(f, one_hot=False, num_classes=10)：从文件对象中提取标签并转换成1D uint8类型的nparray [index]
  参数：
  f：可以传递给gzip读取器的文件对象
  ont_hot：标签是否需要表示成one-hot形式
  num_classes：类别总数，在one_hot为True时会用到
  返回：
  labels：1D uint8 nparray
  异常：
  如果文件不以2049开头的话，捕获异常。

• read_data_set(train_dir, fake_data=False, one_hot=False, dtype=dtype.float32, reshape=True, validation_size=5000)：根据fake_data的真假，分别创建train、validation、test的Dataset，并传给base.Datasets()函数
  参数：
  train_dir：下载文件的保存目录
  fake_data：为True时，定义一个嵌套函数fake()，返回一个Dataset对象，用于创建train、validation和test数据集，并返回base.Datasets(train, validation, test)；否则指定训练和测试数据名，根据真实数据构建Dataset对象
  one_hot：创建Dataset对象时的参数
  dtype：创建Dataset对象时的参数
  reshape：创建Dataset对象时的参数
  validation_size：当读取真实数据时，没有validation数据，所以要从训练数据中划分出验证集，这里指定验证集的数量
  返回：
  异常：
  在指定的验证集数量小于0或者大于训练集的数量（因为要从训练集中划分出一部分作为验证集，自然指定的验证集数量不能超过训练集数量）时，捕获异常

• load_mnist(train_dir='MNIST-data')：不用管

Dataset类

传递给base.Datasets()的参数类型。

成员变量：
- self._num_examples
- self.one_hot
- self._images
- self._labels
- self._epochs_completed：记录数据遍历次数
- self._index_in_epoch：取batch时用到，记录一次数据遍历过程中现在读到第几个数据了

成员函数：

• __init__(self, images, labels, fake_data=False, one_hot=False, dtype=dtypes.float32, reshape=True)：根据参数选择是否reshape以及像素点取值是否转换成[0,1]之间
  参数：
  images：
  labels：
  fake_data：当为True时，设置样本总数为10000；否则根据images、labels创建数据集
  one_hot：只有在fake_data为True时才使用此参数
  dtype：可以是uint8或者float32，前者表示像素点取值仍在[0, 255]，后者表示将像素点resize到[0, 1]
  reshape：fake_data为False时，会判断reshape是否为真，是的话，在images的depth维度为1时，将images reshape成[num_examples, rows*columns]
  返回：
  异常：
  当dtype取值不是uint8或者float32时，捕获类型异常错误；

• next_batch(self, batch_size, fake_data=False, shuffle=True)：从数据集中返回下一个batch，注意在第一次遍历读到最后一个batch时，如果剩下的数据不够一个batch，那么打乱数据后从头补够。
  参数：
  batch_size：
  fake_data：为True时，返回的batch每个图像都是784维全为1的，每个标签都是0
  shuffle：在第一次取第一个batch时，会把self._image和self._labels打乱；在一次遍历结束后会再次进行打乱
  返回：
  batch_images：
  batch_labels：fake为True时，返回人造数据；fake为False时，返回从slef._images和self._labels中读取的下一个batch。

base.py

函数

• maybe_download()

• Datasets()