文章說明

文章分段

1. 文章說明
2. deeplab的簡單介紹、於我的意義
3. tensorflow的程式碼特色
4. 訓練流程的細節
5. 逛deeplab的github程式，順序：train.py model.py datasets/data_generator.py …

前情提要

前面講了製作tfrecord需要的基礎功能，今天會把迴圈部分的邏輯講完。

逛deeplab的github程式(cont.)

build_voc2012_data.py (cont.)

• 107行就是迴圈的開始，_NUM_SHARDS設4表示shard_id從0到3跑4圈。因為是用迴圈去使用shard，所以4個tfrecord分到的example並不是像玩撲克牌那樣，繞圈發牌，而是一個tfrecord發完num_per_shard張後，再開下一個tfrecord。

• 108-110行則是設定tfrecord要叫什麼，假設output_dir是./result，且假設list dir底下的txt檔叫voc2012_train.txt，那tfrecord名稱就是voc2012_train-00000-of-00004.tfrecord。

這樣的話4個tfrecord分別叫：0/4，1/4，2/4，3/4。
感覺把shard_id + 1比較符合直覺(1/4～4/4)。

• 最後是111行是tfrecordwriter，功能就跟一般file writer差不多，主要不同之處是，他接受的是已經轉成string的tf example(看134行)。

112-114行，是在處理每個tfrecord會存放當初放在filenames中編號幾到幾的資料。我覺得這裡的寫法可以記，像我就不會馬上想到這樣處理。

不明白不用print()的原因。

• 119-120行用i取出此次要處理的data，然後121行用tf.gfile.GFile用read byte模式，之後再用read轉換。

實際上應該可以直接用'r'就好。順便查一下為什麼他要這樣寫，跑去看官網的gfile沒有相關說明，那就看一下原始碼，這裡我就沒有切換branch，因為感覺不會差別太大。
然後看到super()，代表得去查_FileIO的寫法，

就去github的.../python/lib/io/file_io.py找東西
發現看無就放棄。

• 接著122行用reader的read_image_dims拿到data的高跟寬，用的是tf的function

  • build_data.py：
    
    82行呼叫自定義的decode_image()

    　

    
    看到97行，session.sun()裡面的程式是_decode，後面的feed_dict的前面是存放在變數self._decode_data的placeholder，冒號(:)後面是還沒decode的data

    　

    
    67行：因為data reader是jpg格式，所以_decode用的是decode_jpeg()，他接的tensor是self._decode_data這個placeholder，然後在97行run的時候這個placeholder被丟入了當前還沒decode的data。