准备步骤

使用PaddlePaddle Fluid准备数据分为三个步骤:

Step 1: 自定义Reader生成训练/预测数据

生成的数据类型可以为Numpy Array或LoDTensor。根据Reader返回的数据形式的不同,可分为Batch级的Reader和Sample(样本)级的Reader。

Batch级的Reader每次返回一个Batch的数据,Sample级的Reader每次返回单个样本的数据

如果您的数据是Sample级的数据,我们提供了一个可以数据预处理和组建batch的工具:Python Reader

Step 2: 在网络配置中定义数据层变量

用户需使用 fluid.data 在网络中定义数据层变量。定义数据层变量时需指明数据层的名称name、数据类型dtype和维度shape。例如:

import paddle.fluid as fluid

image = fluid.data(name='image', dtype='float32', shape=[None, 28, 28])
label = fluid.data(name='label', dtype='int64', shape=[None, 1])

其中,None表示不确定的维度。此例子中None的含义为batch size。

Step 3: 将数据送入网络进行训练/预测

Fluid提供两种方式,分别是异步DataLoader接口方式或同步Feed方式,具体介绍如下:

  • 异步DataLoader接口方式

用户需要先使用 fluid.io.DataLoader 定义DataLoader对象,然后通过DataLoader对象的set方法设置数据源。 使用DataLoader接口时,数据传入与模型训练/预测过程是异步进行的,效率较高,推荐使用。

  • 同步Feed方式

用户自行构造输入数据,并在 fluid.Executorfluid.ParallelExecutor 中使用 executor.run(feed=...) 传入训练数据。数据准备和模型训练/预测的过程是同步进行的, 效率较低。

这两种准备数据方法的比较如下:

对比项 同步Feed方式 异步DataLoader接口方式
API接口 executor.run(feed=...) fluid.io.DataLoader
数据格式 Numpy Array或LoDTensor Numpy Array或LoDTensor
数据增强 Python端使用其他库完成 Python端使用其他库完成
速度
推荐用途 调试模型 工业训练

Reader数据类型对使用方式的影响

根据Reader数据类型的不同,上述步骤的具体操作将有所不同,具体介绍如下:

读取Sample级Reader数据

若自定义的Reader每次返回单个样本的数据,用户需通过以下步骤完成数据送入:

Step 1. 组建数据

调用Fluid提供的Reader相关接口完成组batch和部分的数据预处理功能,具体请参见: 数据预处理工具

Step 2. 送入数据

若使用异步DataLoader接口方式送入数据,请调用 set_sample_generatorset_sample_list_generator 接口完成,具体请参见: 异步数据读取

若使用同步Feed方式送入数据,请使用DataFeeder接口将Reader数据转换为LoDTensor格式后送入网络,具体请参见 DataFeeder

读取Batch级Reader数据

Step 1. 组建数据

由于Batch已经组好,已经满足了Step 1的条件,可以直接进行Step 2。

Step 2. 送入数据

若使用异步DataLoader接口方式送入数据,请调用DataLoader的 set_batch_generator 接口完成,具体方式请参见: 异步数据读取

若使用同步Feed方式送入数据,具体请参见: 同步数据读取