nvidia.dali.fn.readers.file#
- nvidia.dali.fn.readers.file(*, bytes_per_sample_hint=[0], case_sensitive_filter=False, dir_filters=None, dont_use_mmap=False, file_filters=['*.jpg', '*.jpeg', '*.png', '*.bmp', '*.tif', '*.tiff', '*.pnm', '*.ppm', '*.pgm', '*.pbm', '*.jp2', '*.webp', '*.flac', '*.ogg', '*.wav'], file_list=None, file_root=None, files=None, initial_fill=1024, labels=None, lazy_init=False, num_shards=1, pad_last_batch=False, prefetch_queue_depth=1, preserve=False, random_shuffle=False, read_ahead=False, seed=-1, shard_id=0, shuffle_after_epoch=False, skip_cached_images=False, stick_to_shard=False, tensor_init_bytes=1048576, device=None, name=None)#
读取文件内容并返回文件-标签对。
此操作符可以在以下模式中使用
从目录中列出文件，并根据子目录结构分配标签。
在此模式下，
file_root参数中指示的目录应包含一个或多个子目录。这些子目录中的文件将被列出，并根据子目录的词典顺序分配标签。如果您提供带有 glob 字符串列表的file_filters参数，则操作符将列出与至少一个模式匹配的文件。否则，将使用默认的过滤器集（有关详细信息，请参阅file_filters的默认值）。例如，以下目录结构
<file_root>/0/image0.jpg <file_root>/0/world_map.jpg <file_root>/0/antarctic.png <file_root>/1/cat.jpeg <file_root>/1/dog.tif <file_root>/2/car.jpeg <file_root>/2/truck.jp2
默认情况下将产生以下输出
<contents of 0/image0.jpg> 0 <contents of 0/world_map.jpg> 0 <contents of 0/antarctic.png> 0 <contents of 1/cat.jpeg> 1 <contents of 1/dog.tif> 1 <contents of 2/car.jpeg> 2 <contents of 2/truck.jp2> 2
而使用
file_filters = ["*.jpg", "*.jpeg"]将产生以下输出<contents of 0/image0.jpg> 0 <contents of 0/world_map.jpg> 0 <contents of 1/cat.jpeg> 1 <contents of 2/car.jpeg> 2
使用存储在文本文件中的文件名和标签。
file_list参数指向一个文件，该文件每行包含一个文件名和标签。示例dog.jpg 0 cute kitten.jpg 1 doge.png 0
文件名中间可以包含空格，但不能包含尾随空格。
使用作为字符串列表和整数列表分别提供的文件名和标签。
与其他读取器一样，此操作符返回的（文件，标签）对可以随机打乱，并且可以应用各种分片策略。有关详细信息，请参阅此操作符参数的文档。
- 支持的后端
‘cpu’
- 关键词参数:
bytes_per_sample_hint¶ (int 或 list of int, 可选, 默认 = [0]) –
每个样本的输出大小提示，以字节为单位。
如果指定，则驻留在 GPU 或页锁定主机内存中的操作符输出将被预先分配，以容纳此大小的样本批次。
case_sensitive_filter¶ (bool, 可选, 默认 = False) – 如果设置为 True，则过滤器将区分大小写匹配，否则不区分大小写。
dir_filters¶ (str 或 list of str, 可选) –
用于过滤
file_root下子目录列表的 glob 字符串列表。dont_use_mmap¶ (bool, 可选, 默认 = False) –
如果设置为 True，则加载器将使用普通文件 I/O，而不是尝试将文件映射到内存中。
当访问本地文件系统时，映射提供了一个小的性能优势，但大多数网络文件系统不提供最佳性能。
file_filters¶ (str 或 list of str, 可选, 默认 = [‘*.jpg’, ‘*.jpeg’, ‘*.png’, ‘*.bmp’, ‘*.tif’, ‘*.tiff’, ‘*.pnm’, ‘*.ppm’, ‘*.pgm’, ‘*.pbm’, ‘*.jp2’, ‘*.webp’, ‘*.flac’, ‘*.ogg’, ‘*.wav’]) –
用于过滤
file_root子目录中文件列表的 glob 字符串列表。file_list¶ (str, 可选) –
指向文本文件的路径，该文本文件每行包含一个空格分隔的
filename label对。文件名相对于该文件的位置或file_root的位置（如果指定）而言是相对的。此参数与
files互斥。file_root¶ (str, 可选) –
包含数据文件的目录的路径。
如果不使用
file_list或files，则会遍历此目录以发现文件。在这种操作模式下，file_root是必需的。files¶ (str 或 list of str, 可选) –
要从中读取数据的文件路径列表。
如果提供了
file_root，则路径被视为相对于它。当使用files时，标签取自labels参数，或者，如果未提供，则包含给定文件在files列表中出现的索引。此参数与
file_list互斥。initial_fill¶ (int, 可选, 默认 = 1024) –
用于混洗的缓冲区大小。
如果
random_shuffle为 False，则忽略此参数。labels¶ (int 或 list of int, 可选) –
伴随
files参数中列出的文件内容的标签。如果未使用，则顺序的从 0 开始的索引用作标签
lazy_init¶ (bool, 可选, 默认 = False) – 仅在第一次运行时而不是在构造函数中解析和准备数据集元数据。
num_shards¶ (int, 可选, 默认 = 1) –
将数据划分为指定数量的部分（分片）。
这通常用于多 GPU 或多节点训练。
pad_last_batch¶ (bool, 可选, 默认 = False) –
如果设置为 True，则通过重复最后一个样本来填充分片。
注意
如果各个分片之间的批次数量不同，则此选项可能会导致将整批重复样本添加到数据集中。
prefetch_queue_depth¶ (int, 可选, 默认 = 1) –
指定内部加载器要预取的批次数量。
当 Pipeline 受 CPU 阶段限制时，应增加此值，以内存消耗换取与加载器线程更好的交错。
preserve¶ (bool, 可选, 默认 = False) – 即使操作符的输出未使用，也阻止将其从图中删除。
random_shuffle¶ (bool, 可选, 默认 = False) –
确定是否随机混洗数据。
使用大小等于
initial_fill的预取缓冲区顺序读取数据，然后随机选择样本以形成批次。read_ahead¶ (bool, 可选, 默认 = False) –
确定是否应预读访问的数据。
对于大型文件（如 LMDB、RecordIO 或 TFRecord），此参数会减慢首次访问速度，但会减少所有后续访问的时间。
seed¶ (int, 可选, 默认 = -1) – 随机种子；如果未设置，将自动分配一个。
shard_id¶ (int, 可选, 默认 = 0) – 要读取的分片的索引。
shuffle_after_epoch¶ (bool, 可选, 默认 = False) –
如果设置为 True，则读取器在每个 epoch 后混洗整个数据集。
当此参数设置为 True 时，不能使用
stick_to_shard和random_shuffle。skip_cached_images¶ (bool, 可选, 默认 = False) –
如果设置为 True，则当样本在解码器缓存中时，将跳过加载数据。
在这种情况下，加载器的输出将为空。
stick_to_shard¶ (bool, 可选, 默认 = False) –
确定读取器是否应坚持数据分片，而不是遍历整个数据集。
如果使用解码器缓存，它可以显着减少要缓存的数据量，但可能会影响训练的准确性。
tensor_init_bytes¶ (int, 可选, 默认 = 1048576) – 每个图像要分配多少内存的提示。
另请参阅