Tensorflow 读取数据的方式

目前tensorflow 读取数据大致以下三种方式:

1.  用占位符(tf.p l a c e h o l d e r())读入,这种方法比较简单, 读取方式非常灵活,而且易于理解,但是在读取大数据时会非常吃力。

2. 用队列的形式建立文件到tensor的映射。

3. D a t a s e t A P I入数据,D a t a s e t A P I是T e n s o r F l o w 1 . 3版本新引入的一种读取数据的机制,这是目前官网上比较推荐的一种方式,相对于队列读取文件的方法,更为简单。Dataset API:将数据直接放在graph中进行处理,整体对数据集进行上述数据操作,使代码更加简洁。

参考 https://www.jianshu.com/p/9cd3b9a3d65c

 

TensorFlow是一个开源的机器学习框架,通常用于创建神经网络模型。在训练模型之前,需要准备好数据集,本文将介绍如何使用TensorFlow读取数据TensorFlow提供了多种读取数据的方法,其最常用的是使用tf.data模块。首先,我们需要定义一个数据集对象,并通过读取文件的方式将数据加载进来。TensorFlow支持多种文件格式,如csv、txt、json、tfrecord等,可以根据自己的需求选择合适的格式。 加载数据后,我们可以对数据进行一些预处理,比如做数据增强、进行归一化等操作。预处理完数据后,我们需要将数据转化为张量类型,并将其打包成batch。通过这种方式,我们可以在每次训练同时处理多个数据。 随后,我们可以使用tf.data.Dataset的shuffle()函数打乱数据集顺序,防止模型只学习到特定顺序下的模式,然后使用batch()函数将数据划分成批次。最后,我们可以使用repeat()函数让数据集每次可以被使用多次,达到更好的效果。 在TensorFlow,我们可以通过输入函数将数据集传入模型,使模型能够直接从数据集读取数据。使用输入函数还有一个好处,即能够在模型训练时动态地修改数据的内容,特别是在使用esimator模块进行模型训练时,输入函数是必须要的。 总结一下,在TensorFlow读取数据的流程如下:定义数据集对象-读取文件-预处理数据-打包数据为batch-打乱数据集-划分批次数据-重复数据集-使用输入函数读取数据。 在实际应用过程,我们还可以通过其他方式读取数据,如使用numpy、pandas等工具库,也可以自定义数据集类来处理数据。无论使用何种方式读取数据都是机器学习训练重要的一步,需要仔细处理。
评论 1
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
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