tensorflow之深度学习-----第三天

tensorflow解决读取数据、实现同步模拟

计算是CPU或者GPU计算，但是IO操作如通过磁盘进行读写。可以迭代读取或者一次性读取。相对于读取大文件如几G，计算CPU更快，且一次性读取不合适，速度慢，读取半天，模型都在等着了，等数据过来，如输入到线性回归当中，这个过程非常慢，你还得解析，格式等问题，所以非常耽误我们操作。
tensorflow如何支持文件读取的呢？它是计算型，重点在计算方面，当你训练模型时，如果读取花了很长时间，不太合适。所以它提供了多线程机制。在tensorflow中多线程是真正的多线程，能够并行执行任务，如4个线程同时进行操作。队列机制，以及还有文件方面改善。自己提供了一个文件格式即tfrecords；这是tensorflow自带的文件格式，可以提高速度，提高解析速度。

此时不是等着数据全部读进来再训练模型，而是先进行100个数据进行训练，再训练100个数据，依次进行训练。这样让子线程去读取数据，主线程发现有数据了，就可以进行训练了，子线程又读取100个数据很快，主线程又拿数据训练，这两个过程互不干扰。如数据之间共享或者传递，可以通过队列实现，即子线程往一端放，主线程在一端取就可以了。这个过程是多个线程执行任务的，此时主线程可以直接运行程序训练了。




capacity队列大小，如1000，只能同时装1000个数据，满了之后不能再塞入进去了，不能再放了，只能取出数据后再往里面放了。


模拟一个线程同步过程，即先执行往队列中放数据，放好之后再去取数据训练。若没有多线程，即就是从上到下依次执行了。即只有放好数据才能取数据。

只有将数据读取处理完后，才能进行后续训练。
对于代码中有一些OP要在sessions中运行的，比如操作数据等。要读取数据就必须在会话中运行。1、先定义图结构，即图过程。在会话前要将图的基本操作定义出来。之后在会话中运行。