Tensorflow机器学习入门——读取数据

TensorFlow 中可以通过三种方式读取数据：

一、通过feed_dict传递数据；

input1 = tf.placeholder(tf.float32)
input2 = tf.placeholder(tf.float32)
output = tf.multiply(input1, input2)
with tf.Session() as sess:
    feed_dict={input1: [[7.,2.]], input2: [[2.],[3.]]}
    print(sess.run(output,feed_dict ))

二、从文件中读取数据；

import os
import tensorflow as tf 

filename = ['A.jpg', 'B.jpg', 'C.jpg']
# string_input_producer会产生一个文件名队列
filename_queue = tf.train.string_input_producer(filename, shuffle=False, num_epochs=5)
# reader从文件名队列中读数据。对应的方法是reader.read
reader = tf.WholeFileReader()
key, value = reader.read(filename_queue)
init=tf.local_variables_initializer()
# tf.train.string_input_producer定义了一个epoch变量，要对它进行初始化
with tf.Session() as sess:
    sess.run(init)
    # 使用start_queue_runners之后，才会开始填充队列
    tf.train.start_queue_runners(sess=sess)
    i = 0
    while True:
        i += 1
        # 获取图片数据并保存
        image_data = sess.run(value)
        with open('read/test_%d.jpg' % i, 'wb') as f:
            f.write(image_data)

# 程序最后会抛出一个OutOfRangeError，这是epoch跑完，队列关闭的标志

运行上面的代码需要做两点准备：

1.在python的工作目录下保存3张图片，分布命名为：'A.jpg', 'B.jpg', 'C.jpg'

2.在此目录下建立read文件夹

三、使用预加载的数据；