TensorFlow下载文件到当前目录

简述

当使用TensorFlow的时候,默认下载文件,如果是windows会进入到C盘的用户界面内。
如果是linux用户,会进入到root目录下。

解决办法

import os
import tensorflow as tf
tf.enable_eager_execution()

train_dataset_url = "http://download.tensorflow.org/data/iris_training.csv"

train_dataset_fp = tf.keras.utils.get_file(fname='./'+os.path.basename(train_dataset_url),
                                           origin=train_dataset_url, cache_dir='.')

print("Local copy of the dataset file: {}".format(train_dataset_fp))

这样就会代码运行的目录下创建一个datasets的目录,下载下来的代码就会放到这里面。

关键点:

  • cache_dir='.' 指示目标文件路径。(.表示当前路径)
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
导入文件的方式取决于您要导入的文件类型和数据格式。这里提供几个常见情况的代码示例: 1. 导入文本文件 ```python import tensorflow as tf # 读取文本文件 dataset = tf.data.TextLineDataset('path/to/text/file') # 对每一行进行解码和处理 dataset = dataset.map(lambda x: tf.strings.split(x, ',')) dataset = dataset.map(lambda x: (tf.strings.to_number(x[0]), tf.strings.to_number(x[1]))) # 打乱数据并分成 batch dataset = dataset.shuffle(buffer_size=10000) dataset = dataset.batch(32) # 迭代数据 for x, y in dataset: # 训练模型 pass ``` 2. 导入图片文件 ```python import tensorflow as tf # 读取图片文件 dataset = tf.data.Dataset.list_files('path/to/image/files/*.jpg') # 对每一张图片进行解码和处理 dataset = dataset.map(lambda x: tf.io.read_file(x)) dataset = dataset.map(lambda x: tf.image.decode_jpeg(x, channels=3)) dataset = dataset.map(lambda x: tf.image.resize(x, [256, 256])) dataset = dataset.map(lambda x: x / 255.0) # 打乱数据并分成 batch dataset = dataset.shuffle(buffer_size=10000) dataset = dataset.batch(32) # 迭代数据 for x in dataset: # 训练模型 pass ``` 3. 导入其他格式的文件 对于其他格式的文件,您可以使用相应的库进行读取和处理,例如 pandas、numpy、csv、h5py 等。读取完成后,您可以将数据转换为 TensorFlow 支持的格式,例如张量(Tensor)或数据集(Dataset)。 ```python import tensorflow as tf import pandas as pd # 读取 csv 文件 data = pd.read_csv('path/to/csv/file.csv') # 将数据转换为张量 x = tf.convert_to_tensor(data['x'].values, dtype=tf.float32) y = tf.convert_to_tensor(data['y'].values, dtype=tf.float32) # 将数据转换为数据集 dataset = tf.data.Dataset.from_tensor_slices((x, y)) # 打乱数据并分成 batch dataset = dataset.shuffle(buffer_size=10000) dataset = dataset.batch(32) # 迭代数据 for x, y in dataset: # 训练模型 pass ``` 需要注意的是,在导入文件时,您需要指定文件路径和文件名。如果文件不在当前工作目录下,需要提供完整的路径。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

肥宅_Sean

公众号“肥宅Sean”欢迎关注

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值