Tensorflow細節 P190 輸入檔案佇列

2022-05-08 18:03:15 字數 1867 閱讀 1065

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)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()

以下是對上面程式生成檔案的讀取(該講的已經講了)
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...