从零构建深度学习推理框架-2 从CSV文件初始化Tensor

CSV格式

概念

CSV（逗号分隔值）文件是一种特殊的文件类型，可在 Excel 中创建或编辑。CSV文件采用逗号分隔的形式来存储文本和数字信息，总体来说，这种形式的文件格式具有扩展性好，移植性强的特点。

目前许多主流程序采用CSV文件作为数据导入导出的中间格式，例如MySQL数据库可以从CSV文件中导入数据，GMail联系人可以导出到CSV文件，然后将其导入到Outlook中。

pytorch和KuiperInfer中间数据对比文件，用于读取Pytorch复杂，且多变维度的输出，来对比我们的推理结果。

从pytorch输出（被定位到csv文件）中读取，KuiperInfer读取，然后再对比.

过程是这样的：

pytorch读取权重文件--》infer--》numpy--》再保存到本地，格式为csv -->读取并初始化 tensor

kuiper 读取权重文件-->保存为tensor -->

绿色背景就是我们今天要去做的。

代码：

其实这个也不会很难：

cpp 复制代码

std::shared_ptr<Tensor<float >> CSVDataLoader::LoadData(const std::string &file_path, char split_char) {
  CHECK(!file_path.empty()) << "File path is empty!";
  std::ifstream in(file_path);
  CHECK(in.is_open() && in.good()) << "File open failed! " << file_path;

  std::string line_str;
  std::stringstream line_stream;

  const auto &[rows, cols] = CSVDataLoader::GetMatrixSize(in, split_char);
  std::shared_ptr<Tensor<float>> input_tensor = std::make_shared<Tensor<float>>(1, rows, cols);
  arma::fmat &data = input_tensor->at(0);

  size_t row = 0;
  while (in.good()) {
    std::getline(in, line_str);
    if (line_str.empty()) {
      break;
    }

    std::string token;
    line_stream.clear();
    line_stream.str(line_str);

    size_t col = 0;
    while (line_stream.good()) {
      std::getline(line_stream, token, split_char);
      try {
        data.at(row, col) = std::stof(token);
      }
      catch (std::exception &e) {
        LOG(ERROR) << "Parse CSV File meet error: " << e.what();
        continue;
      }
      col += 1;
      CHECK(col <= cols) << "There are excessive elements on the column";
    }

    row += 1;
    CHECK(row <= rows) << "There are excessive elements on the row";
  }
  return input_tensor;
}

核心区段：

cpp 复制代码

  const auto &[rows, cols] = CSVDataLoader::GetMatrixSize(in, split_char);
  std::shared_ptr<Tensor<float>> input_tensor = std::make_shared<Tensor<float>>(1, rows, cols);
  arma::fmat &data = input_tensor->at(0);

确认rows和cols，创建空tensor

cpp 复制代码

while (line_stream.good()) {
      std::getline(line_stream, token, split_char);
      try {
        data.at(row, col) = std::stof(token);
      }
      catch (std::exception &e) {
        LOG(ERROR) << "Parse CSV File meet error: " << e.what();
        continue;
      }
      col += 1;
      CHECK(col <= cols) << "There are excessive elements on the column";
    }

    row += 1;
    CHECK(row <= rows) << "There are excessive elements on the row";
  }
  return input_tensor;

迭代，读进来赋值，返回Tensor

这里唯一需要注意的就是有表头的情况：

cpp 复制代码

try {
        //todo 补充
        // 能够读取到第一行的csv列名，并存放在headers中
        // 能够读取到第二行之后的csv数据，并相应放置在data变量的row，col位置中
        
        if (row == 0)
        {
                  headers.push_back(token);
        }
        else{
        data.at(row-1, col) = std::stof(token);
        }
      }

在try中要先将表头传到header里，再将其余的数组读到data中，但记住data中的row要-1，因为要扣除表头的一行。