如何將CSV數據導入TensorFlow

我最近開始使用Tensor Flow進入Deep Learning。我讀過很多在線資源，併爲初學者參加了Udacity課程。我學到了很多深度學習的基本原理。但我現在掙扎的一件事並不是任何這些資源的主題。我不知道如何將我自己的標記數據（CSV格式）放入我的Python程序來訓練我的網絡。我遇到this posting，並開始實施輸入管道的方式，帖子顯示，它的工作到目前爲止。當我試圖用如何將CSV數據導入TensorFlow

sess.run(optimizer, feed_dict={ 
     x: features, 
     y: labels, 
    })

TF餵我功能和標籤訓練我的模型拋出一個錯誤

TypeError: The value of a feed cannot be a tf.Tensor object. Acceptable feed values include Python scalars, strings, lists, numpy ndarrays, or TensorHandles.

X和Y被定義爲佔位符和會話調用tf.global_variables_initializer（）

x = tf.placeholder(tf.float32, shape=[10, batch_size]) 
y = tf.placeholder(tf.float32)

但由tf.train.shuffle_batch返回的對象是張量正確嗎？應該/我可以將它們轉換回有效的數據類型，如Numpy數組，還是有其他更有效的方式來讀取我的數據。

來源

2017-05-31 MoVo99

我的答案是否解決了問題？ – hars

@hars是的，第一種方法現在可以工作。我試過你的第二個解決方案，但我不確定這應該如何工作。 – MoVo99

你可以用兩種方法做到這一點。

隨着feed_dict：
```
features_numpy,labels_numpy = sess.run([features,labels]) 
sess.run(optimizer, feed_dict={ x: features_numpy,y: labels_numpy}) 
```
運行會議，對功能和標籤獲得numpy的值，並使用feed_dict其輸送到模型。但是這樣做效率不高，因爲您將TF數據複製到Numpy並將其再次提供給TF。按照有效的方式。
避免feed_fict

不要使用feed_dict和佔位符。將要素和標籤節點直接連接到模型。或者這樣做
```
x = features 
y = labels 
```
做sess.run（model_output /虧損/精度）得到預測或訓練模型。

我希望這有助於。

來源

2017-05-31 20:43:48 hars

如何將CSV數據導入TensorFlow

回答

相關問題