Tensorflow数据集制作专题【一】— 将模拟数据制作成内存对象数据集

在人工智能迅速发展的今天， 已经出现了各种各样的深度学习框架， 我们知道，深度学习要基于大量的样本数据来训练模型，那么数据集的制作或选取就显得尤为重要，因此，这个专题想写一写关于tensorflow生成数据集的几种主要形式。

 本实例我们将用内存中的模拟数据来生成数据集，生成的数据集直接存储在python的内存中。

具体我们分以下几步进行操作：

1、生成模拟数据，创建模拟数据生成器

2、定义占位符

3、创建session，获取显示模拟数据

4、将模拟数据可视化

不啰嗦，直接上代码：

import numpy as np
import tensorflow as tf
import matplotlib.pyplot as plt


def generate_data(batchsize=100):
    # 生成-1~1之间的浮点数，linspace生成一个等差数列
    train_x = np.linspace(start=-1, stop=1, num=batchsize) 
    # randn按照给定的shape生成数、向量或者矩阵，与shape有关，*0.3可以提高梯度下降的收敛速度
    train_y = 2 * train_x + np.random.randn(*train_x.shape) * 0.3  
    # 返回一个生成器，每次生成指定批次batchsize个数据
    yield train_x, train_y  

# 定义模型的结构部分，这里只有占位符张量
x_input = tf.placeholder(dtype="float", shape=[None], nam