import tensorflow as tf
import numpy as np
"""解析數(shù)據(jù)"""
def _parse_function(example_proto):
features = {'images': tf.FixedLenFeature((), tf.string),
'labels': tf.FixedLenFeature((), tf.int64)}
parsed_features = tf.parse_single_example(example_proto, features)
data = tf.decode_raw(parsed_features['images'], tf.float32)
return data, parsed_features['labels']
"""讀取單一數(shù)據(jù)"""
def read_one_batch():
""""""
dataset = tf.data.TFRecordDataset(tf.gfile.Glob('data/*'))
dataset = dataset.map(_parse_function)
dataset = dataset.repeat(2)
dataset = dataset.batch(32)
iterator = dataset.make_one_shot_iterator()
next_data = iterator.get_next()
return next_data
"""讀取指定batchsize的數(shù)據(jù)"""
def read_N_batch():
dataset = tf.data.TFRecordDataset(tf.gfile.Glob('data/*'))
dataset = dataset.map(_parse_function)
dataset = dataset.repeat(2)
batch = tf.placeholder(tf.int64, shape=[])
dataset = dataset.batch(batch)
iterator = dataset.make_initializable_iterator()
return iterator.get_next()
"""讀取不同類型的數(shù)據(jù)"""
def read_diff_batch():
tr_dataset = tf.data.TFRecordDataset(tf.gfile.Glob('data/*'))
tr_dataset = tr_dataset.map(_parse_function)
tr_dataset = tr_dataset.repeat(2)
tr_dataset = tr_dataset.batch(32)
te_dataset = tf.data.TFRecordDataset(tf.gfile.Glob('data/*'))
te_dataset = te_dataset.map(_parse_function)
te_dataset = te_dataset.repeat(2) # 整個(gè)數(shù)據(jù)集的循環(huán)次數(shù)
te_dataset = te_dataset.batch(16)
iterator = tf.data.Iterator.from_structure(tr_dataset.output_types,
tr_dataset.output_shapes)
train_op = iterator.make_initializer(tr_dataset)
test_op = iterator.make_initializer(te_dataset)
next_data = iterator.get_next()
return train_op, test_op, next_data
if __name__ == '__main__':
with tf.Session() as sess:
train_op, test_op, next_data = read_diff_batch
for _ in range(2):
sess.run(train_op)
for _ in range(3):
print(np.shape(sess.run(next_data, )[0]))
sess.run(test_op)
for _ in range(2):
print(np.shape(sess.run(next_data, )[0]))
tensorflow數(shù)據(jù)操作
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
- 文/潘曉璐 我一進(jìn)店門(mén)洲鸠，熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái)堂淡，“玉大人，你說(shuō)我怎么就攤上這事扒腕【畹恚” “怎么了？”我有些...
- 文/不壞的土叔 我叫張陵瘾腰，是天一觀的道長(zhǎng)皆的。 經(jīng)常有香客問(wèn)我，道長(zhǎng)蹋盆，這世上最難降的妖魔是什么祭务？ 我笑而不...
- 正文 為了忘掉前任内狗，我火速辦了婚禮，結(jié)果婚禮上义锥，老公的妹妹穿的比我還像新娘柳沙。我一直安慰自己，他們只是感情好拌倍，可當(dāng)我...
- 文/花漫 我一把揭開(kāi)白布赂鲤。 她就那樣靜靜地躺著，像睡著了一般柱恤。 火紅的嫁衣襯著肌膚如雪数初。 梳的紋絲不亂的頭發(fā)上，一...
- 那天梗顺，我揣著相機(jī)與錄音泡孩，去河邊找鬼。 笑死寺谤，一個(gè)胖子當(dāng)著我的面吹牛仑鸥，可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播变屁，決...
- 文/蒼蘭香墨 我猛地睜開(kāi)眼眼俊，長(zhǎng)吁一口氣：“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼！你這毒婦竟也來(lái)了粟关？” 一聲冷哼從身側(cè)響起疮胖，我...
- 序言：老撾萬(wàn)榮一對(duì)情侶失蹤，失蹤者是張志新（化名）和其女友劉穎闷板，沒(méi)想到半個(gè)月后澎灸，有當(dāng)?shù)厝嗽跇?shù)林里發(fā)現(xiàn)了一具尸體，經(jīng)...
- 正文 獨(dú)居荒郊野嶺守林人離奇死亡遮晚，尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
- 正文 我和宋清朗相戀三年性昭，在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片鹏漆。...
- 正文 年R本政府宣布饭聚，位于F島的核電站，受9級(jí)特大地震影響搁拙，放射性物質(zhì)發(fā)生泄漏秒梳。R本人自食惡果不足惜法绵，卻給世界環(huán)境...
- 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望酪碘。 院中可真熱鬧朋譬，春花似錦、人聲如沸兴垦。這莊子的主人今日做“春日...
- 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)探越。三九已至狡赐，卻和暖如春，著一層夾襖步出監(jiān)牢的瞬間钦幔，已是汗流浹背枕屉。 一陣腳步聲響...
- 正文 我出身青樓，卻偏偏與公主長(zhǎng)得像铜异，于是被迫代替她去往敵國(guó)和親哥倔。 傳聞我的和親對(duì)象是個(gè)殘疾皇子，可洞房花燭夜當(dāng)晚...
推薦閱讀更多精彩內(nèi)容
- 生成檢查點(diǎn)文件(chekpoint file)食茎，擴(kuò)展名.ckpt蒂破，tf.train.Saver對(duì)象調(diào)用Saver....
- tenosflow的圖操作比較重要 通過(guò)圖形操作可以讓對(duì)圖有跟進(jìn)一步了解上一個(gè)簡(jiǎn)單的訓(xùn)練的代碼 結(jié)果是： 再把圖r...
- 加載數(shù)據(jù) TensorFlow 作為符號(hào)編程框架，需要先構(gòu)建數(shù)據(jù)流圖别渔，再讀取數(shù)據(jù)附迷，隨后進(jìn)行模型訓(xùn)練。 預(yù)加載數(shù)據(jù)（...
- 前言 當(dāng)我們開(kāi)始學(xué)習(xí)編程的時(shí)候哎媚，第一件事往往是學(xué)習(xí)打印"Hello World"喇伯。就好比編程入門(mén)有Hello Wo...
- 本章學(xué)習(xí)如何檢查數(shù)據(jù)并準(zhǔn)備創(chuàng)建線性回歸任務(wù)。 本教程分為兩部分： 檢查數(shù)據(jù) 測(cè)試模型 上章使用Boston數(shù)據(jù)集來(lái)...
