深度學習 tensorflow入門 tf讀入資料

同步讀取資料

import tensorflow as tf

# 模擬一下同步先處理資料，然後才能取訓練資料
# tensorflow中，執行操作有依賴性
# 1、首先定義佇列
q = tf.fifoqueue(
3, tf.float32)
# 放入一些資料
enq_many = q.enqueue_many([[
0.1,
0.2,
0.3],]
)# 2、定義一些處理資料的螺距，取資料的過程    取資料， +1， 入佇列
out_q = q.dequeue(
)data = out_q +
1en_q = q.enqueue(data)
with tf.session(
)as sess:
# 初始化佇列
sess.run(enq_many)
# 處理資料
for i in
range
(100):
sess.run(en_q)
# 訓練資料
for i in
range
(q.size().
eval()
):print
(sess.run(q.dequeue())
)

# 模擬非同步子執行緒  存入樣本  主線程  讀取樣本

# 1、定義乙個佇列， 1000
q = tf.fifoqueue(
1000
, tf.float32)
# 2、定義子執行緒要做的事情 迴圈 值， +1， 放入佇列當中
var = tf.variable(
0.0)
# 實現乙個自增 tf.assign_add
data = tf.assign_add(var, tf.constant(
1.0)
)en_q = q.enqueue(data)
# 3、定義佇列管理器op，指定多少個子執行緒，子執行緒該幹什麼事情
qr = tf.train.queuerunner(q, enqueue_ops=
[en_q]*2
)# 初始化變數的op
init_op = tf.global_variables_initializer(
)with tf.session(
)as sess:
# 初始化變數
sess.run(init_op)
# 開啟執行緒管理器
coord = tf.train.coordinator(
)# 真正的開啟子執行緒
threads = qr.create_threads(sess, coord=coord ,start=
true
)# 主線程，不斷讀取資料訓練
for i in
range
(300):
print
(sess.run(q.dequeue())
)# **執行緒
coord.request_stop(
)    coord.join(threads)

TensorFlow 深度學習筆記

google 深度學習筆記 經常總結是個好習慣，筆記目錄奉上。歡迎star，有問題可以到issue區討論 官方教程位址 最近tensorflow團隊出了乙個model專案，和這個課程無關，但是可以參考 框架 tensorflow 谷歌出品的基於python的深度學習工具集 工具 ipython,py...

TensorFlow深度學習框架

tensorflow支援python和c 兩種程式語言，再複雜的多層神經網路模型都可以用python來實現，如果業務使用其他程式設計也不用擔心，使用跨語言的grpc或者http服務也可以訪問使用tensorflow訓練好的智慧型模型。tensorflow 是乙個採用資料流圖 data flow gr...

深度學習 初識TensorFlow

深度學習使用場景 影象理解 語音識別 自然語言處理 機器自主 無人駕駛 深度學習，如深度神經網路 卷積神經網路和遞迴神經網路已被應用計算機視覺 語音識別 自然語言處理 音訊識別與生物資訊學等領域並取得了很好的效果。深度學習在人工智慧領域的地位 深度學習框架 google brain計畫產物 應用於a...