Tensorflow花費太多時間來讀取tfrecord文件

Question

我有tfrecord文件，它有五列 - context，context_len，utterance，uuterance_len和label。 source of the tfrecord file是Ubuntu Dialog語料庫。問題是，其採取的方式太長文件

filename_queue = tf.train.string_input_producer(['data/samples/train.tfrecords'], num_epochs = 1) 

reader = tf.TFRecordReader() 
_, serialized_example = reader.read(filename_queue) 

features = tf.parse_single_example(serialized_example, 
features = { 
"context" : tf.FixedLenFeature([], tf.int64), 
"context_len" : tf.FixedLenFeature([], tf.int64), 
"utterance" : tf.FixedLenFeature([], tf.int64), 
"utterance_len" : tf.FixedLenFeature([], tf.int64), 
"label" : tf.FixedLenFeature([], tf.int64) 
}) 

contexts = features['context'] 
context_lens = features['context_len'] 
utterances = features['utterance'] 
utterance_lens = features['utterance_len'] 
labels = features['label'] 

init = tf.global_variables_initializer() 
sess = tf.Session() 
sess.run(init) 
sess.run(contexts) 

在閱讀時碼的時間太長讀取這個文件，我想這一定是由於文件大小。因此，我將原始csv文件分爲10個記錄，並將其轉換爲tfrecords文件，但沒有區別。我仍然面臨同樣的問題。所以現在我確信它與我的代碼有關。我的目標是解析一個示例，稍後使用它來訓練一個RNN。

Answer 1

你需要在第一次運行調用