本篇对SENTA中的BaseDataSetReader进行源码分析。

BaseDataSetReader:将样本中数据组装成一个py_reader, 向外提供一个统一的接口。
核心内容是读取明文文件，转换成id，按py_reader需要的tensor格式灌进去，然后通过调用run方法让整个循环跑起来。 py_reader拿出的来的是lod-tensor形式的id，这些id可以用来做后面的embedding等计算。

class BaseDataSetReader(object):

    def __init__(self, name, fields, config):
        self.name = name
        self.fields = fields
        self.config = config  # 常用参数，batch_size等，ReaderConfig类型变量
        self.paddle_py_reader = None
        self.current_example = 0
        self.current_epoch = 0
        self.num_examples = 0

    def create_reader(self):
        raise NotImplementedError

必须选项，否则会抛出异常，用于初始化self.paddle_py_reader。

    def instance_fields_dict(self):
        
        raise NotImplementedError

必须选项，否则会抛出异常。 实例化fields_dict, 调用pyreader，得到fields_id, 视情况构造embedding，然后结构化成dict类型返回给组网部分。实例化的dict，保存了各个field的id和embedding(可以没有，是情况而定), 给trainer用.

    def data_generator(self):
        raise NotImplementedError

必须选项，否则会抛出异常。数据生成器：读取明文文件，生成batch化的id数据，绑定到py_reader中。

    def convert_fields_to_dict(self, field_list, need_emb=False):
        raise NotImplementedError

instance_fields_dict一般调用本方法实例化fields_dict，保存各个field的id和embedding(可以没有，是情况而定),当need_emb=False的时候，可以直接给predictor调用。

    def run(self):
    
        logging.debug("reader name {0}.......".format(self.name))
        if self.paddle_py_reader:
            self.paddle_py_reader.decorate_tensor_provider(self.data_generator())
            self.paddle_py_reader.start()
            logging.info("set data_generator and start.......")
        else:
            raise ValueError("paddle_py_reader is None")
         

配置py_reader对应的数据生成器，并启动运行。

    def stop(self):
        if self.paddle_py_reader:
            self.paddle_py_reader.reset()
        else:
            raise ValueError("paddle_py_reader is None")

本期的SENTA源码分析到此结束，谢谢。