1.reader = tf.textlinereader(),每次讀取一行
閱讀器的read方法會輸出乙個key來表徵輸入的檔案和其中的紀錄(對於除錯非常有用)，同時得到乙個字串標量， 這個字串標量可以被乙個或多個解析器，或者轉換操作將其解碼為張量並且構造成為樣本。
file1.csv內容
10010
1112
0101
1011120
10210
1112
0103
1011120
10410
1112
0105
1011120
10610
1112
0file0.csv內容110
111202
10 111203
1011120
410111205
1011120
610111207
1011120
import tensorflow as tf
filename_queue = tf.train.string_input_producer(["file0.csv", "file1.csv"])
reader = tf.textlinereader()
key, value = reader.read(filename_queue)
# default values, in case of empty columns. also specifies the type of the
# decoded result.
record_defaults = [[1], [1], [1], [1], [1]]
col1, col2, col3, col4, col5 = tf.decode_csv(
value, record_defaults=record_defaults)
#features = tf.concat(0, [col1, col2, col3, col4])
features = [col1, col2, col3, col4]
with tf.session() as sess:
# start populating the filename queue.
coord = tf.train.coordinator()
threads = tf.train.start_queue_runners(coord=coord)
for i in range(1200):
# retrieve a single instance:
example, label = sess.run([features, col5])
print(example,label)
coord.request_stop()
coord.join(threads)
[1, 10, 11, 12] 0
[2, 10, 11, 12] 0
[3, 10, 11, 12] 0
[4, 10, 11, 12] 0
[5, 10, 11, 12] 0
[6, 10, 11, 12] 0
[7, 10, 11, 12] 0
[100, 10, 11, 12] 0
[101, 10, 11, 12] 0
[102, 10, 11, 12] 0
[103, 10, 11, 12] 0
[104, 10, 11, 12] 0
[105, 10, 11, 12] 0
[106, 10, 11, 12] 0
[100, 10, 11, 12] 0
[101, 10, 11, 12] 0
[102, 10, 11, 12] 0
[103, 10, 11, 12] 0
[104, 10, 11, 12] 0
[105, 10, 11, 12] 0
[106, 10, 11, 12] 0
[1, 10, 11, 12] 0
[2, 10, 11, 12] 0
可以看出乙個檔案的內容是按順序讀的，沒有打亂。
2.固定長度記錄
從二進位制檔案中讀取固定長度紀錄， 可以使用tf.fixedlengthrecordreader的tf.decode_raw操作。decode_raw操作可以講乙個字串轉換為乙個uint8的張量。
tensorflow資料載入器
自己看的 import numpy as np import os from pil import image import random os.environ tf cpp min log level 2 train file data train test file data test clas...
Tensorflow之資料的載入
載入資料 tensorflow作為符號程式設計框架，需要先構建資料流圖，再讀取資料，隨後在進行模型的訓練，所以其官網給出了三種載入資料的方式 1 預載入資料 x1 tf.constant 2,3,4 x2 tf.constant 4,0,1 y tf.add x1,x2 這種方法的缺點在於，將資料直...
tensorflow2的資料載入
對於一些小型常用的資料集，tensorflow有相關的api可以呼叫 keras.datasets 經典資料集 1 boston housing 波士頓房價 2 mnist fasion mnist 手寫數字集 時髦品集 3 cifar10 100 物象分類 4 imdb 電影評價 使用 tf.da...