网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。
一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！
3.线程协调器 管理线程
tf.train.Coordinator()
线程协调员,实现一个简单的机制来协调一组线程的终止
request\_stop()
should\_stop() 检查是否要求停止
join(threads=None, stop_grace_period_secs=120)
等待线程终止
return:线程协调员实例
案例：通过队列管理器来实现变量加1，入队，主线程出队列的操作，观察效果？(异步操作)
import tensorflow as tf
# 模拟异步 子线程：存入样本 ，主线程：读取样本
# 1、定义一个队列，1000
Q = tf.FIFOQueue(1000, tf.float32)
# 2、定义子线程要做的事情 循环 值 +1 ，放入队列中
var = tf.Variable(0.0)
# 不能用data = var + 1
#实现一个自增， tf.assign_add
# data = tf.assign\_add(var, tf.constant(1.0))
data = tf.assign\_add(var , tf.constant(1.0))
en_q = Q.enqueue(data)
# 3、定义队列管理器 op，指定多少个子线程 以及 子线程该干什么
qr = tf.train.QueueRunner(Q, enqueue_ops=[en_q] \* 2)
# 初始化变量 OP
init_op = tf.global\_variables\_initializer()
with tf.Session() as sess:
# 初始化变量
sess.run(init_op)
# 开启线程管理器
coord = tf.train.Coordinator()
# 开启真正子线程
threads = qr.create\_threads(sess, coord=coord ,start=True) # 指定老大是coord
# 主线程，不断读取数据训练
for i in range(300):
print(sess.run(Q.dequeue()))
# 回收你
coord.request\_stop()
coord.join(threads) # 听老大的话
4.文件读取流程
1.文件读取API-文件队列构造
tf.train.string\_input\_producer(string_tensor , shuffle=True)
将输出字符串（例如文件名）输入到管道队列
string_tensor 含有文件名的1阶张量
num_epochs : 过几遍数据，默认无限过数据
return : 具有输出字符串的队列
2.文件读取API-文件阅读器
根据文件格式，选择对应的文件阅读器
class tf.TextLineReader
阅读文本文件逗号分隔值（CSV）格式 , 默认按行读取
return：读取器实例
tf.FixedLengthRecordReader(record_bytes)
要读取每个记录是固定数量字节的二进制文件
record_bytes:整型，指定每次读取的字节数
return：读取器实例
tf.TFRecordReader
读取TfRecords文件
有一个共同的读取方法：read(file_queue)：从队列中指定数量内容
返回一个Tensors元组（key文件名字，value默认的内容(行，字节)）
3.文件读取API-文件内容解码器
由于从文件中读取的是字符串，需要函数去解析这些字符串到张量
tf.decode_csv(records,record_defaults=None,field_delim = None，name = None)
- 将CSV转换为张量，与tf.TextLineReader搭配使用
records:tensor 型字符串，每个字符串是csv中的记录行
field_delim : 默认分割符”,”
record_defaults :参数决定了所得张量的类型，并设置一个值在输入字符串中缺少使用默认值,如tf.decode_raw(bytes,out_type,little_endian = None，name = None)
- 将字节转换为一个数字向量表示，字节为一字符串类型的张量,与函数tf.FixedLengthRecordReader搭配使用，二进制读取为uint8格式
4.开启线程操作
tf.train.start_queue_runners(sess=None,coord=None)
收集所有图中的队列线程，并启动线程
sess:所在的会话中
coord：线程协调器
return：返回所有线程队列
5.管道读端批处理
tf.train.batch(tensors,batch_size,num_threads = 1,capacity = 32,name=None)
读取指定大小（个数）的张量
tensors：可以是包含张量的列表
batch_size:从队列中读取的批处理大小
num_threads：进入队列的线程数
capacity：整数，队列中元素的最大数量
return:tensors
tf.train.shuffle_batch(tensors,batch_size,capacity,min_after_dequeue,num_threads=1,)
乱序读取指定大小（个数）的张量
min_after_dequeue:留下队列里的张量个数，能够保持随机打乱
案例：CSV文件读取
import tensorflow as tf
import os
def csvread(filelist):
'''
读取CSV文件
:param filelist: 文件路径+名字的列表
:return: 读取的内容
'''
# 2\构造文件队列
file_queue = tf.train.string\_input\_producer(filelist)
# 3\构造CSV阅读器读取队列数据（按照一行）
reader = tf.TextLineReader()
key , value = reader.read(file_queue)
# 4\对每行数据进行解码
# record_defaults: 指定每一个样本的每一列的类型，指定默认值
records = [["None"],[4.0]] #指定两列的默认值为字符串和float
example, label = tf.decode\_csv(value, record_defaults=records) #有两列，两个参数接受
# 5\想要读取多个数据，就需要批量处理
# 批处理大小，跟队列，数据的数量没有影响，只决定这批次读取多少数据
example_batch ,label_batch= tf.train.batch([example, label],batch_size=9,num_threads = 1,capacity = 9)
return example_batch ,label_batch
if __name__ == '__main__':
# 1\找到文件，放入列表 路径+名字 放入列表当中
file_name = os.listdir("./data/csvdata/")
filelist = [os.path.join("./data/csvdata/" , file) for file in file_name]
example_batch,label_batch = csvread(filelist)
# 开启会话运行结果
with tf.Session() as sess:
# 定义一个线程协调器
coord = tf.train.Coordinator()
# 开启读取文件的线程
threads = tf.train.start\_queue\_runners(sess, coord=coord)
# 打印读取的内容
print(sess.run([example_batch,label_batch]))
#回收子线程
coord.request\_stop()
coord.join(threads) # 听老大的话
5.图片文件
图像读取器
tf.WholeFileReader
将文件的全部内容作为值输出的读取器
return：读取器实例
read(file_queue):输出将是一个文件名（key）和该文件的内容（值）图像解码器
tf.image.decode_jpeg(contents)
将JPEG编码的图像解码为uint8张量
return:uint8张量，3-D形状[height, width, channels]
tf.image.decode_png(contents)将PNG编码的图像解码为uint8或uint16张量
return:张量类型，3-D形状[height, width, channels]缩小图片
tf.image.resize_images(images, size)
images：4-D形状[batch, height, width, channels]或3-D形状的张量[height, width, channels]的图片数据
size：1-D int32张量：new_height, new_width，图像的新尺寸返回4-D格式或者3-D格式图片
import tensorflow as tf
import os
def picread(filelist):
"""
读取狗图片并转换成张量
:param filelist: 文件路径+ 名字的列表
:return: 每张图片的张量
"""
# 1、构造文件队列
**既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上软件测试知识点，真正体系化！**
**由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新**
**[需要这份系统化的资料的朋友，可以戳这里获取](https://bbs.csdn.net/forums/4f45ff00ff254613a03fab5e56a57acb)**
1715284906267)]
[外链图片转存中...(img-P68xZI5q-1715284906267)]
**既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上软件测试知识点，真正体系化！**
**由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新**
**[需要这份系统化的资料的朋友，可以戳这里获取](https://bbs.csdn.net/forums/4f45ff00ff254613a03fab5e56a57acb)**
204
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
