使用placeholder占位符和feed_dict供给数据-TeamTrac.pptVIP

TensorFlow 秦泰然 S官方网站（必威体育精装版更新到版本0.12并支持Windows 10）： / 官方源码： /tensorflow/tensorflow/ 中文文档（极客学院， 基于版本0.80）： /project/tensorflow-zh/ 官方文档 git - make （下载速度奇慢） pip install （有时需要翻墙） Anaconda （每次都要active） Docker （没试过） VirtualEnv （也没试过）? 安装方式 图 (graph) : 用来表示计算任务。 op (operation) : 计算图中的节点。 tensor(译作’张量’) : tensorflow系统使用的数据结构，为n维数组。 例如训练时图像数据为4-D数组 [batch, height, width, channe] Tensor.eval()为tensor的值，比如图片tensor的eval()就是该图像对应的numpy矩阵 基本概念 举一个最简单的栗子 ：1 + 1 import tensorflow as tf one = tf.constant([1]) # 定义一个常量op，意义为 1 op1 = tf.add(one, one) #定义一个结点op, 意义为1+1 init_op = tf.global_variables_initializer() # op初始化结点 with tf.Session as sess: # 定义会话 sess.run(init_op) # 激活整张计算图 print(op1.eval()) # 输出结果为 [2] Tensorflow计算图 读取数据两种方式 →1，通用方式 直接feed_dict (简单) 使用tfrecord, file_queue, shuffle_batch， feed_dict (内存利用率高) 2，高层API，如TFLearn /tflearn/tflearn 读取数据 使用placeholder占位符和feed_dict供给数据 import tensorflow as tf import numpy as np x = tf.placeholder(32, shape=[2, 2]) y = tf.placeholder(32, shape=[2, 2]) op1 = tf.add(x, y) init_op = tf.global_variables_initializer() with otf.Session() as sess: sess.run(init_p) print (op1.eval(feed_dict={x: ([[1, 1], [1, 1]]), y: ([[2, 2], [2, 2]])}, session=sess)) Feed_dict # 输出结果为：[[3, 3] [3, 3]] Feed_dict仅支持numpy_array和tensor.eval()格式 train_step.run(feed_dict={x: image, y_: label}) Feed_dict 1，把数据存储为tfrecord格式，以CSV文件为例 Item = open(xx.csv) writer = tf.python_io.TFRecordWriter(“data.tfrecords”) for line in item: data = line[3:29]; lable = one_hot(line[1]) # 数据 标签 example = tf.train.Example(features=tf.train.Features(feature={ label: tf.train.Feature(int64_list=tf.train.Int64List(value=label)), content: tf.train.Feature(float_list=tf.train.F