tensorflow是目前流行框架之一，本文中，小編將對tensorflow的基本內(nèi)容予以介紹，如什么是tensorflow以及什么是數(shù)據(jù)流圖。此外，本文還將對tensorflow讀取csv文件的過程予以解讀，并給出具體代碼。如果你對tensorflow具有興趣，不妨一起來了解下。

一、tensorflow介紹

(一) TensorFlow是什么

TensorFlow? 是一個采用數(shù)據(jù)流圖(data flow graphs)，用于數(shù)值計算的開源軟件庫。節(jié)點(Nodes)在圖中表示數(shù)學(xué)操作，圖中的線(edges)則表示在節(jié)點間相互聯(lián)系的多維數(shù)據(jù)數(shù)組，即張量(tensor)。它靈活的架構(gòu)讓你可以在多種平臺上展開計算，例如臺式計算機中的一個或多個CPU(或GPU)，服務(wù)器，移動設(shè)備等等。TensorFlow 最初由Google大腦小組(隸屬于Google機器智能研究機構(gòu))的研究員和工程師們開發(fā)出來，用于機器學(xué)習(xí)和深度神經(jīng)網(wǎng)絡(luò)方面的研究，但這個系統(tǒng)的通用性使其也可廣泛用于其他計算領(lǐng)域。

Tensorflow是谷歌公司在2015年9月開源的一個深度學(xué)習(xí)框架。

(二)數(shù)據(jù)流圖是什么

數(shù)據(jù)流圖用“結(jié)點”(nodes)和“線”(edges)的有向圖來描述數(shù)學(xué)計算?！肮?jié)點” 一般用來表示施加的數(shù)學(xué)操作，但也可以表示數(shù)據(jù)輸入(feed in)的起點/輸出(push out)的終點，或者是讀取/寫入持久變量(persistent variable)的終點?！熬€”表示“節(jié)點”之間的輸入/輸出關(guān)系。這些數(shù)據(jù)“線”可以輸運“size可動態(tài)調(diào)整”的多維數(shù)據(jù)數(shù)組，即“張量”(tensor)。張量從圖中流過的直觀圖像是這個工具取名為“Tensorflow”的原因。一旦輸入端的所有張量準(zhǔn)備好，節(jié)點將被分配到各種計算設(shè)備完成異步

二、TensorFlow讀取csv文件過程

本節(jié)將采用哈里森和魯賓菲爾德于 1978 年收集的波士頓房價數(shù)據(jù)集，數(shù)據(jù)集相關(guān)內(nèi)容，大家可以百度自行了解。

導(dǎo)入所需的模塊并聲明全局變量：

1. 定義一個將文件名作為參數(shù)的函數(shù)，并返回大小等于 BATCH_SIZE 的張量：

2. 定義 f_queue 和 reader 為文件名：

3. 這里指定要使用的數(shù)據(jù)以防數(shù)據(jù)丟失。對 .csv 解碼并選擇需要的特征。例如，選擇 RM、PTRATIO 和 LSTAT 特征：

4. 定義參數(shù)來生成批并使用 tf.train.shuffle_batch() 來隨機重新排列張量。該函數(shù)返回張量 feature_batch 和 label_batch：

5. 這里定義了另一個函數(shù)在會話中生成批：

6. 使用這兩個函數(shù)得到批中的數(shù)據(jù)。這里，僅打印數(shù)據(jù);在學(xué)習(xí)訓(xùn)練時，將在這里執(zhí)行優(yōu)化步驟：

TensorFlow csv數(shù)據(jù)預(yù)處理

用前面章節(jié)提到的 TensorFlow 控制操作和張量來對數(shù)據(jù)進(jìn)行預(yù)處理。例如，對于波士頓房價的情況，大約有 16 個數(shù)據(jù)行的 MEDV 是 50.0。在大多數(shù)情況下，這些數(shù)據(jù)點包含缺失或刪減的值，因此建議不要考慮用這些數(shù)據(jù)訓(xùn)練?？梢允褂孟旅娴拇a在訓(xùn)練數(shù)據(jù)集中刪除它們：

以上便是此次小編帶來的“tensorflow”相關(guān)內(nèi)容，通過本文，希望大家對tensorflow讀取csv文件的過程具備一定的了解。如果你喜歡本文，不妨持續(xù)關(guān)注我們網(wǎng)站哦，小編將于后期帶來更多精彩內(nèi)容。最后，十分感謝大家的閱讀，have a nice day!