深度学习：tensorflow入门：tf读入数据

同步读取数据

import tensorflow as tf

# 模拟一下同步先处理数据，然后才能取训练数据
# tensorflow中，运行操作有依赖性

# 1、首先定义队列
Q = tf.FIFOQueue(3, tf.float32)

# 放入一些数据
enq_many = Q.enqueue_many([[0.1, 0.2, 0.3], ])

# 2、定义一些处理数据的螺距，取数据的过程    取数据， +1， 入队列

out_q = Q.dequeue()

data = out_q + 1

en_q = Q.enqueue(data)

with tf.Session() as sess:
    # 初始化队列
    sess.run(enq_many)

    # 处理数据
    for i in range(100):
        sess.run(en_q)

    # 训练数据
    for i in range(Q.size().eval()):
        print(sess.run(Q.dequeue()))

异步读取数据

# 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， 放入队列当中
var = tf.Variable(0.0)

# 实现一个自增 tf.assign_add
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，子线程该干什么事情
qr = tf.train.QueueRunner(Q, enqueue_ops=[en_q] * 2)

# 初始化变量的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()

    # 真正的开启子线程
    threads = qr.create_threads(sess, coord=coord ,start=True)

    # 主线程，不断读取数据训练
    for i in range(300):
        print(sess.run(Q.dequeue()))

    # 回收线程
    coord.request_stop()

    coord.join(threads)