掌握深度学习框架步骤

掌握一个深度学习框架的用法，从训练一个模型的流程来看，需要掌握以下几个步骤：

1. 数据的处理，包括训练数据转成网络的输入，模型参数的存储与读取
2. 网络结构的定义，包括网络主体的搭建以及loss的定义
3. solver的定义，也就是如何对网络进行优化
4. 模型评估的定义，也就是对模型训练结果进行评测

这篇博文主要介绍第一部分，数据处理中的训练数据读取部分

tensorflow当中读取数据的方式一共有三种：

1. 供给数据(feeding)：在定义graph的时候，可以用placeholder来表示其中的某些节点，在运行的时候，通过向这些节点填入数据来运行整个graph
2. 预加载数据：仅仅适用于可以完全加载到存储器中的小的数据集
3. 从文件中加载数据：在图运行的时候，通过一个pipeline从文件中读取数据，作为网络的输入

前面两种方法并不适用于平时的大数据集处理的情况，因此这里我只介绍第三种方法：从文件中加载数据，重点介绍通过tensorflow特有的tfrecords进行存储和读取的方法

引用博主：
https://blog.csdn.net/Touch_Dream/article/details/80912002