DataFeeder¶

class paddle.fluid. DataFeeder ( feed_list, place, program=None ) [源代码] ¶

DataFeeder 负责将 reader(读取器)返回的数据转成一种特殊的数据结构，使它们可以输入到 ``Executor``中。 reader 通常返回一个 minibatch 条目列表。在列表中每一条目都是一个样本（sample），它是由具有一至多个特征的列表或元组组成的。

以下是简单用法：

         import paddle.fluid as fluid
place = fluid.CPUPlace()
img = fluid.layers.data(name='image', shape=[1, 28, 28])
label = fluid.layers.data(name='label', shape=[1], dtype='int64')
feeder = fluid.DataFeeder([img, label], fluid.CPUPlace())
result = feeder.feed([([0] * 784, [9]), ([1] * 784, [1])])

        

参数¶

feed_list (list) – 向模型输入的变量表或者变量表名

place (Place) – place 表明是向 GPU 还是 CPU 中输入数据。如果想向 GPU 中输入数据，请使用 fluid.CUDAPlace(i) (i 代表 the GPU id)；如果向 CPU 中输入数据，请使用 fluid.CPUPlace()

program (Program) – 需要向其中输入数据的 Program。如果为 None，会默认使用 default_main_program()。缺省值为 None

抛出异常¶

ValueError – 如果一些变量不在此 Program 中

代码示例¶

          import numpy as np
import paddle
import paddle.fluid as fluid

place = fluid.CPUPlace()

def reader():
    yield [np.random.random([4]).astype('float32'), np.random.random([3]).astype('float32')],

main_program = fluid.Program()
startup_program = fluid.Program()

with fluid.program_guard(main_program, startup_program):
      data_1 = fluid.layers.data(name='data_1', shape=[1, 2, 2])
      data_2 = fluid.layers.data(name='data_2', shape=[1, 1, 3])
      out = fluid.layers.fc(input=[data_1, data_2], size=2)
      # ...

feeder = fluid.DataFeeder([data_1, data_2], place)

exe = fluid.Executor(place)
exe.run(startup_program)
for data in reader():
    outs = exe.run(program=main_program,
                   feed=feeder.feed(data),
                   fetch_list=[out])

         

方法¶

feed(iterable)¶

根据 feed_list（数据输入表）和 iterable（可遍历的数据）提供的信息，将输入数据转成一种特殊的数据结构，使它们可以输入到 Executor 和 ParallelExecutor 中。

参数

iterable (list|tuple) – 要输入的数据

返回: 转换结果
返回类型: dict

代码示例

           import numpy.random as random
import paddle.fluid as fluid

def reader(limit=5):
    for i in range(limit):
        yield random.random([784]).astype('float32'), random.random([1]).astype('int64'), random.random([256]).astype('float32')

data_1 = fluid.layers.data(name='data_1', shape=[1, 28, 28])
data_2 = fluid.layers.data(name='data_2', shape=[1], dtype='int64')
data_3 = fluid.layers.data(name='data_3', shape=[16, 16], dtype='float32')
feeder = fluid.DataFeeder(['data_1','data_2', 'data_3'], fluid.CPUPlace())

result = feeder.feed(reader())

          