딥러닝 학습하기

<이 글은 개인 공부한 것을 정리한 글로, 오류가 있을 수 있습니다.>

참고 출처 : https://bcho.tistory.com/1190

TFRecord 파일?

- 파일 포멧의 한 종류로, 텐서플로우의 학습 데이터 등을 binary record로 저장하기 위함.

- TF.placeholder를 사용할 필요가 없다. 

- 이미지 데이터를 읽을 때에는 이미지 데이터와 라벨 데이터가 따로 저장되어 있기 때문에 

  별도로 파일들을 읽어줘야 해서 복잡해진다.

TFRecord 파일은 tf.train.Example에 Feature를 딕셔너리 형태로 정의한 후, tf.train.Example 객체를

TFRecord 파일 포멧 writer인 tf.python_io.TFRecordWriter를 통해서 파일로 저장하면 된다.

<이글은 개인공부 기록을 위해 작성한 글입니다. 오류가 있을 수 있습니다.>

Flags 객체를 사용하면 고정값으로 되어 있는 기본적인 데이터를 편리하게 사용할 수 있다.

int, float, boolean, string 등의 값을 저장하고 가져다가 사용하기 쉽게 해주는 기능을 한다.

String 예시.

FLAGS = tf.flags.FLAGS

tf.flags.DEFINE_string('process', 'test', 'which process you want to do: write(write tfrecord file), train(train model), test(test model)')
tf.flags.DEFINE_string('imagedir', '../mnist/train_img', 'directory where images are stored in')
tf.flags.DEFINE_string('datadir', '../mnist/test_tfrecord', 'directory where tfrecord files are stored in')
tf.flags.DEFINE_string('val_datadir', '../mnist/val_tfrecord', 'directory where validation tfrecord files are stored in')
tf.flags.DEFINE_string('ckptdir', '../ckpt', 'checkpoint directory')