Tensorflow之数据的加载

加载数据
tensorflow作为符号编程框架，需要先构建数据流图，再读取数据，随后在进行模型的训练，所以其官网给出了三种加载数据的方式

• 预加载数据， 在tensorflow中，通过定义常量或者变脸来保存所有数据
• 填充数据 ， 产生数据，再把数据填充后端
• 从文件中读取 从文件中直接读取，让队列管理器从文件中读取数据

(1)预加载数据

	x1=tf.constant([2,3,4])
    x2=tf.constant([4, 0, 1])
    y=tf.add(x1,x2)

这种方法的缺点在于，将数据直接嵌入在数据流图中，当训练数据比较大的时候，很消耗内存

(2)填充数据
使用sess.run()中的feed_dict参数，将python产生的数据填充给后端

x1=tf.constant([2,3,4])
    x2=tf.constant([4, 0, 1])
    y=tf.add(x1,x2)
    import tensorflow as tf
    a1=tf.placeholder(tf.int16)
    a2=tf.placeholder(tf.int16)
    b=tf.add(x1,x2)
    c1=[2,3,4]
    c2=[4,5,6]
    with tf.Session() as sess:
        print(sess.run(b,feed_dict={a1:c1,a2:c2}))

填充的方式也有数据量大，消耗内存等缺点，并且数据类型转换等中间环节增减了不少开销，所以最好是使用第三种方法

(3)从文件中读取数据
从文件中读取数据分为两个步骤

• 把样本写入TFRecords二进制文件中
• 再从队列中读取