TensorFlow程序读取数据一共有3种方法:
供给数据(Feeding)： 在TensorFlow程序运行的每一步， 让Python代码来供给数据。从文件读取数据： 在TensorFlow图的起始， 让一个输入管线从文件中读取数据。预加载数据： 在TensorFlow图中定义常量或变量来保存所有数据(仅适用于数据量比较小的情况)第一种大家很熟悉不用多说， 第三种采用比如np.loadtxt 等函数一次性载入所有数据，如果数据很大会很慢。
重点谈一谈对第二种方法的体会：
假如我们的数据为一个.csv文件：
那么用以下的代码可以读取： # coding=utf-8 import tensorflow as tf import os import csv #要保存后csv格式的文件名 filenames = ['./new.csv'] #file_name_string="'D:/dataTest.csv'" #filename_queue = tf.train.string_input_producer([file_name_string]) filename_queue = tf.train.string_input_producer(filenames, shuffle=False, num_epochs=1) reader = tf.TextLineReader() key, value = reader.read(filename_queue) print(value) # Default values, in case of empty columns. Also specifies the type of the # decoded result. record_defaults = [[1.0],[1.0]] data = tf.decode_csv(value, record_defaults=record_defaults) data_batch = tf.train.batch([data], batch_size=4, capacity=200, num_threads=2) #features = tf.concat(0, [col1, col2, col3]) init_local_op = tf.local_variables_initializer() with tf.Session() as sess: # Start populating the filename queue. sess.run(init_local_op) tf.global_variables_initializer().run() coord = tf.train.Coordinator() threads = tf.train.start_queue_runners(coord=coord) for i in range(2): # Retrieve a single instance: example= sess.run([data_batch]) print(example) coord.request_stop() coord.join(threads)执行的结果为：
如果有数据有很多列， 列举不过来呢？
只需把 record_defaults = [[1.0],[1.0]] 修改为
record_defaults = list([1.0] for i in range(2))就可以了， 数据有多少列就填多大！
Done！
