TensorFlow数据读取

TensorFlow数据读取背后的通讯机制

tensorflow背后的通讯机制以及存储压缩都是基于Protobuf，包括某些定义，比如graph。Protobuf是开源的。下载地址：Protocol Buffers - Google’s data interchange format

TensorFlow数据IO三种方式

1. Freload data constant 数据直接嵌入graph，由graph传入session中运行，在这种情况下数据必须是小数据，一个session只能执行一个graph，TensorFlow中的Graph是一个有向无环图（Directed acyclic graph）也就是在开始定义graph的时候就传入。一个session只能执行一个graph，如果把数据直接嵌入在graph里面，graph本身传给不同的devise也是通过压缩成Protobuf传出去的，用到devise的地方都是采取这样的方式传递。这样的话数据需要copy很多次，效率非常低，尽可能的不使用数据嵌入的方式，除非在constant相当少的情况下。

   
   import tensorflow as tf
   
   x = tf.constant([1,2,3], name = 'x')
   y = tf.constant([4,5,6], name = 'y')
   z = tf.add(x,y,name= 'z')
   
   with tf.Session() as sess:
   
       print(sess.run(z))

   运行结果：[5 7 9]

2. Feeding placeholder fee_dict。由占位符代替数据，运行时填入数据。先定义好placeholder然后再传入数据，placeholder的优点是在graph里面并没有把数据给到，节点的唯一的意图就是为了提供数据供给的方法。placeholder节点被声明的时候是未初始化的，也不包含数据，如