Question

我对tensorflow相当新，并成功完成了强制性的MNIST教程。

我正在尝试使用一组CSV数据训练一个简单的RNN。数据是33个特征，最后是二进制输出变量（所以34列）。

我已经实现了一次读取一行的csv阅读器。我试图读取该行并将其传递到我的张量流图中。我觉得“TensorFlow-way”开始变得更加清晰，但也有一些基本的部分缺失 - 特别是因为它与将数据流传输到模型中有关。

我已经包含了一个我正在做的事情的例子。为清晰起见，大多数代码都被剥离了，但重要的部分仍然是：

import tensorflow as tf
import sys
import datapipe as datapipe

learning_rate = 0.001
n_features    = 33
n_hidden      = 100 # number of features in the hidden layer - I just made this up
n_classes     = 2 # 0 or 1 - a binary classification

x = tf.placeholder('float', [None, 1, n_features])
y = tf.placeholder('float', [None, n_classes])

transform = tf.transpose(x)

with tf.session() as sess:
  sess.run(tf.initialize_all_variables())

  coord   = tf.train.Coordinator()
  threads = tf.train.start_queue_runners(coord=coord)

  datapipe = datapipe.Datapipe(filename='training.csv', features=33, epochs=100)

  while not coord.should_stop():
    nextline = datapipe.nextline()

    # I basically want to run "transform" with the nextline of the csv file
    stuff = sess.run(transform, feed_dict={ x: nextline })
    coord.request_stop()
    coord.join(threads)

datapipe是：

import tensorflow as tf

class Datapipe:
    def __init__(self, filename=None, features=None, epochs=100):
        self.filename = filename
        self.features = features
        self.epochs   = epochs

        self.defaults = []
        for i in range(self.features):
            self.defaults.append([]) # require all fields to be present

    def nextline(self):
        file_queue = tf.train.string_input_producer([self.filename], num_epochs=self.epochs, shuffle=False)
        reader = tf.TextLineReader()

        key, csv_str = reader.read(file_queue)
        return tf.pack(tf.decode_csv(csv_str, record_defaults=self.defaults))

当我运行此示例时，我收到错误：

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

感谢您的帮助！

修改

我的问题基本上是：如何将文件数据（例如csv）提供给张量流模型？（教程没有帮助）

编辑12/09/2016

根据Sergii的回答，我现在正在这样做：

with open('../data/training2.csv') as f:
    reader = csv.reader(f)
    for line in reader:
        arr = np.array(line)

        x = arr[0:len(arr)-1:1]
        y = arr[len(arr)-1:len(arr):1]

        sess.run(transform, feed_dict={ x: x, y: y })

Answer 1

Tensor个对象不能是feed_dict的值，它需要实际值，如numpy数组，字符串等作为输入。请参阅示例this issue.

尝试修改nextline方法，不要在那里创建Tensor，而是将csv字符串转换为numpy数组。

Answer 2

我不知道文件中的占位符和读取数据是互补的还是排他的，但nextline变量已经是一个张量，其中包含来自CSV的33个值（因此是X的一个例子）。

我认为你可以做到：

transform = tf.transpose(nextline)
stuff = sess.run(transform)
println(stuff)

您会看到stuff为数组，这是CSV中的第一行。

如果您重复sess.run(transform)，您将获得下一行，依此类推。

要使用批处理，您可以执行以下操作：

X_batch = tf.train.batch(nextline, batch_size=100)
stuff = sess.run(X_batch)
println(stuff)

每次拨打sess.run(X_batch)时，您都会获取100行CSV。

在tensorflow RNN

2 个答案: