tensorflow 载入数据

1、概述

在先前的论述中，已对迭代器及数据集的相关概念进行了详尽阐述。鉴于数据集与迭代器在连接原始数据与程序流程中发挥着关键作用，本文将重点探讨如何基于原始数据构建相应的数据集，并主要涵盖以下几种应用场景：

• 内存
• TFRecord格式数据
• 文本文件
• CSV文件

2、从内存中读取数据

当所有数据均以numpy数组的形式提前存储于内存中时，可以通过调用Dataset.from_tensor_slices()方法，便捷地将此类数组转换为tensorflow的张量对象。以下以手写数字数据集为例，具体阐述该方法的应用情境。

1）首先，如同在卷积神经网络中处理手写数字数据时的操作，我们需要先获取数据集，相关代码示例如下：

 # mnist数据集

    
 import tensorflow  as tf
    
 mnist = tf.contrib.learn.datasets.load_dataset("mnist")
    
    
    
    

2）鉴于本部分仅涉及数据处理的探讨，因此选用规模相对较小的测试数据集进行分析。

 import numpy as np

    
 eval_data = mnist.test.images 
    
 print(eval_data