Question

我最近开始使用Tensor Flow进入深度学习。我已经阅读了很多在线资源，并为初学者学习了Udacity课程。我获得了很多深度学习的基本原理。但我现在正在努力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程序中来训练我的网络。我已经遇到this posting并开始以帖子显示的方式实现输入管道，并且它到目前为止一直有效。当我尝试通过提供功能和标签来训练我的模型时

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

TF正在抛出错误

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，会话正在调用 tf.global_variables_initializer（）

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

但 tf.train.shuffle_batch 返回的对象是Tensors对吗？应该/我可以将它们转换回有效的数据类型，如Numpy数组，还是有任何其他更有效的方式来读取我的数据。

Answer 1

你可以用两种方式做到这一点。

使用feed_dict ：
```
features_numpy,labels_numpy = sess.run([features,labels])
sess.run(optimizer, feed_dict={ x: features_numpy,y: labels_numpy})
```
运行会话，获取功能和标签的numpy值，并使用feed_dict将其提供给模型。但这是低效的，因为你将TF数据复制到Numpy并再次将其提供给TF。有效地遵循 2 。
避免使用feed_fict

不要使用feed_dict和占位符。直接连接要素和标签节点到模型。或者这样做
```
x = features
y = labels
```
执行 sess.run（model_output / loss / accuracy）以获取预测或训练模型。

我希望这会有所帮助。

如何将CSV数据导入TensorFlow

1 个答案: