以下**要學會幾個地方
1、filename = ('data.tfrecords-%.5d-of-%.5d' % (i, num_shards))這個東西就是要會data.tfrecords-%.5d-of-%.5d兩個.5d,
2、記住這兩個操作writer = tf.python_io.tfrecordwriter(filename)與writer = tf.python_io.tfrecordwriter(filename)
3、得到的是以下tfrecoard兩個檔案
import tensorflow as tf
def _int64_feature(value):
return tf.train.feature(int64_list=tf.train.int64list(value=[value]))
num_shards = 2
instances_per_shard = 2
# 以下檔案用於儲存資料
for i in range(num_shards):
filename = ('data.tfrecords-%.5d-of-%.5d' % (i, num_shards))
# 將example結構寫入tfrecord檔案。
writer = tf.python_io.tfrecordwriter(filename)
for j in range(instances_per_shard):
# example結構僅包含當前樣例屬於第幾個檔案以及是當前檔案的第幾個樣本。
example = tf.train.example(features=tf.train.features(feature=))
writer.write(example.serializetostring())
writer.close()
import tensorflow as tf
# 獲取乙個符合正規表示式的所有檔案列表，這樣就可以得到所有的符合要求的檔案了
files = tf.train.match_filenames_once("data.tfrecords-*") # *是乙個萬用字元
filename = tf.train.string_input_producer(files, shuffle=true, num_epochs=3) # 打亂順序，迭代3次
reader = tf.tfrecordreader()
_, serialized_example = reader.read(filename)
features = tf.parse_single_example( # 解析serialized_example
serialized_example,
features=
)with tf.session() as sess:
tf.local_variables_initializer().run()
print(sess.run(files))
coord = tf.train.coordinator() # 定義tf.coordinator類以協同執行緒
threads = tf.train.start_queue_runners(sess=sess, coord=coord) # 啟動執行緒
for i in range(12):
print(sess.run([features['i'], features['j']]))
coord.request_stop()
coord.join(threads)
Tensorflow細節 P54 變數
1 首先複習前面所學知識 1 g tf.graph 2 別忘了初始化時的initializer 3 with tf.name scope generate constant x tf.constant 0.7,0.9 name x 這個東西發現沒球用 4 最好是用with tf.variable s...
第1章 CSS和文件局 link標記 P19
對於標籤的屬性詳解 rel代表 關係 relation 在這裡，關係為stylesheet type總是設定為text css media屬性，一般使用all，這個屬性有很多可取值，如 all 用於所有表現 braille 用braille裝置表現文件時使用。embossed 用braille列印裝...
Tensorflow細節 P212 迴圈神經網路
本節的迴圈神經網路一圖足以說明 定義rnn的引數 以下兩個本來是像這樣分開的，但是在運算時合併了 w cell state np.asarray 0.1,0.2 0.3,0.4 w cell input np.asarray 0.5,0.6 b cell np.asarray 0.1,0.1 w o...