以读取csv文件(可以用excel进行转换 可以作为普通文本打开)为例 如果是普通文件 可以直接用python的接口读取
将文件放在队列中 创建reader 绑定到队列中 进行操作 关键类 TextLineReader
filename_queue = tf.train.string_input_producer(["n1.csv", "n2.csv"])#将文件扔进管道里面
reader = tf.TextLineReader()
key, value = reader.read(filename_queue)#读取文件的 ,
print("key=",key)# 打印 key= Tensor("ReaderReadV2:0", shape=(), dtype=string)
print("value=",value)#value= Tensor("ReaderReadV2:1", shape=(), dtype=string)这一步 主要是根据文件格式 选择对应的解析器 对文件进行解析 并根据内容进行特殊处理 关键词 tf.decode_csv
record_defaults = [[1], [1], [1], [1], [1]]
col1, col2, col3, col4, col5 = tf.decode_csv(
value, record_defaults=record_defaults)# 进行解析
print("c1-5=",col1," ",col2," ",col3," ",col4," ",col5)
features = tf.stack([col1, col2, col3, col4])
print("f=",features)终于到了最关键的一步 前面都是准备工作 ，这才是真正的数据读取 用法也很简单
关键字:coordinater,线程 不懂的请参照队列和线程
with tf.Session() as sess:
# Start populating the filename queue.
coord = tf.train.Coordinator()
threads = tf.train.start_queue_runners(coord=coord)
for i in range(5):
# Retrieve a single instance:
example, label = sess.run([features, col5])
print(example)
print(label)
coord.request_stop()
coord.join(threads)