介绍 #编码:utf - 8
,
import tensorflow as tf
,
时间=filename_queue tf.train.string_input_producer ([“/home/yongcai/tf_read.csv"])
时间=reader tf.TextLineReader ()
关键,value =, reader.read (filename_queue)
,
record_defaults =, [[1], [1], [1], [1]]。
col2, col1,还以为,col3, col4 =, tf.decode_csv(价值,record_defaults=record_defaults)
,
时间=features tf.stack ([col1, col2, col3])
,
时间=init_op tf.global_variables_initializer ()
时间=local_init_op tf.local_variables_initializer ()
,
with tf.Session (), as 税:
,sess.run (init_op)
,sess.run (local_init_op)
,
,# Start populating 从而filename 队列。=,,coord tf.train.Coordinator ()=,,threads tf.train.start_queue_runners (coord=coord)
,
,试一试:
for 才能小姐:拷贝范围(30):
,,,,label =, sess.run([特性,,col4])
,才能打印(示例)
,,#,打印(标签)
,except tf.errors.OutOfRangeError:
print 才能;& # 39;Done ! ! ! & # 39;
,
,最后:
coord.request_stop才能()
coord.join才能(线程) -0.76 15.67 15.67——0.12
-0.48 12.52 12.51——0.06
1.33 9.11 0.12 9.1
-0.88 20.35 20.36——0.18
-0.25 3.99 3.99——0.01
-0.87 26.25 26.25——0.23
-1.03 2.87 2.87——0.03
-0.51 7.81 7.81——0.04
-1.57 14.46 14.46——0.23
-0.1 10.02 10.02——0.01
-0.56 8.92 8.92——0.05
-1.2 4.1 4.1——0.05
-0.77 5.15 5.15——0.04
-0.88 4.48 4.48——0.04
-2.7 10.82 10.82——0.3
-1.23 2.4 2.4——0.03
-0.77 5.16 5.15——0.04
-0.81 6.15 6.15——0.05
-0.6 5.01 - 0.03 - 5所示
-1.25 4.75 4.75——0.06
-2.53 7.31 7.3——0.19
-1.15 16.39 16.39——0.19
-1.7 5.19 5.18——0.09
-0.62 3.23 3.22——0.02
-0.74 17.43 17.41——0.13
-0.77 15.41 15.41——0.12
47个0 47.01
0.25 3.98 0.01 3.98
-1.1 9.01 9.01——0.1
3.87 -1.02 - 0.04 3.87 #编码:utf - 8
,
import tensorflow as tf
import 操作系统
,
os.chdir (“/home/yongcai/?
print (os.getcwd ())
,
,
def read_data (file_queue):=,,reader tf.TextLineReader (skip_header_lines=1)
关键的不同之处是,value =, reader.read (file_queue)
,defaults =, [[0], [0],, [0], [0],, [0], [& # 39; & # 39;]]
,Id, SepalLengthCm, SepalWidthCm,, PetalLengthCm,, PetalWidthCm,, Species =, tf.decode_csv(值,默认值)
,=,,preprocess_op tf.case ({
tf.equal才能(物种,tf.constant (& # 39; Iris-setosa& # 39;)):,λ:,tf.constant (0)
tf.equal才能(物种,tf.constant (& # 39; Iris-versicolor& # 39;)):,λ:,tf.constant (1),
tf.equal才能(物种,tf.constant (& # 39; Iris-virginica& # 39;)):,λ:,tf.constant (2),
,},λ:tf.constant(1),独家=True)
,
,return tf.stack ([SepalWidthCm, SepalLengthCm,还以为,PetalLengthCm, PetalWidthCm]), preprocess_op
,
,
batch_size, def create_pipeline(文件名,num_epochs=None):=,,file_queue tf.train.string_input_producer((文件名),num_epochs=num_epochs)
,例如,label =, read_data (file_queue)
,
min_after_dequeue =, 1000=,,capacity min_after_dequeue + batch_size
,example_batch, label_batch =, tf.train.shuffle_batch (
,,,,标签,,batch_size=batch_size,能力=能力,
min_after_dequeue=min_after_dequeue才能
,)
,
,return example_batch label_batch
,
,
#,x_train_batch, y_train_batch =, create_pipeline (& # 39; Iris-train.csv& # 39;,, 50岁,num_epochs=1000)
x_test, y_test =, create_pipeline (& # 39; Iris-test.csv& # 39;,, 60)
,
时间=init_op tf.global_variables_initializer ()
时间=local_init_op tf.local_variables_initializer ()
#,output read data 结果
with tf.Session (), as 税:
,sess.run (init_op)
,sess.run (local_init_op)=,,coord tf.train.Coordinator ()=,,thread tf.train.start_queue_runners (coord=coord)
,
,试一试:
,
,,例如,label =, sess.run ([y_test x_test也])
print 才能的例子
print 才能;标签
,
,except tf.errors.OutOfRangeError:
print 才能;& # 39;Done ! ! ! & # 39;
,
,最后:
coord.request_stop才能()
coord.join才能(线程=线程)
这篇文章主要介绍TensorFlow如何读取CSV数据,文中介绍的非常详细,具有一定的参考价值,感兴趣的小伙伴们一定要看完!
<强>方法一:
<强>详细读取tf_read。csv代码
<强> tf_read。csv数据:
<强>方法二:
详细读取Iris_train。csv, Iris_test。csv代码
