如何将CSV数据导入TensorFlow

我最近开始使用Tensor Flow进入Deep Learning。我读过很多在线资源，并为初学者参加了Udacity课程。我学到了很多深度学习的基本原理。但我现在挣扎的一件事并不是任何这些资源的主题。我不知道如何将我自己的标记数据（CSV格式）放入我的Python程序来训练我的网络。我遇到this posting，并开始实施输入管道的方式，帖子显示，它的工作到目前为止。当我试图用如何将CSV数据导入TensorFlow

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

TF喂我功能和标签训练我的模型抛出一个错误

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被定义为占位符和会话调用tf.global_variables_initializer（）

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

但由tf.train.shuffle_batch返回的对象是张量正确吗？应该/我可以将它们转换回有效的数据类型，如Numpy数组，还是有其他更有效的方式来读取我的数据。

来源

2017-05-31 MoVo99

我的答案是否解决了问题？ – hars

@hars是的，第一种方法现在可以工作。我试过你的第二个解决方案，但我不确定这应该如何工作。 – MoVo99

你可以用两种方法做到这一点。

随着feed_dict：
```
features_numpy,labels_numpy = sess.run([features,labels]) 
sess.run(optimizer, feed_dict={ x: features_numpy,y: labels_numpy}) 
```
运行会议，对功能和标签获得numpy的值，并使用feed_dict其输送到模型。但是这样做效率不高，因为您将TF数据复制到Numpy并将其再次提供给TF。按照有效的方式。
避免feed_fict

不要使用feed_dict和占位符。将要素和标签节点直接连接到模型。或者这样做
```
x = features 
y = labels 
```
做sess.run（model_output /亏损/精度）得到预测或训练模型。

我希望这有助于。

来源

2017-05-31 20:43:48 hars

如何将CSV数据导入TensorFlow

回答

相关问题