Tensorflow是当前流行的框架之一。
在本文中，编辑器将介绍张量流的基本内容，例如什么是张量流和什么是数据流图。
此外，本文还将解释tensorflow读取csv文件的过程，并提供具体代码。
如果您对tensorflow感兴趣，请一起学习。
1. tensorflow简介（1）什么是TensorFlow TensorFlow™是一个开源软件库，使用数据流图进行数值计算。
图中的节点（节点）表示数学运算，图中的线（边）表示节点之间互连的多维数据数组，即张量。
其灵活的体系结构使您可以在多个平台上执行计算，例如台式计算机，服务器，移动设备等中的一个或多个CPU（或GPU）。
TensorFlow最初是由Google Brain集团（隶属于Google Machine Intelligence Institute）的研究人员和工程师开发的，用于机器学习和深度神经网络的研究，但是该系统的多功能性使其广泛适用于其他计算领域。
Tensorflow是Google在2015年9月开源的深度学习框架。
（2）什么是数据流图？数据流图使用“节点”的有向图。
和“边缘”描述数学计算。
“节点”通常用于指示应用的数学运算，但也可以指示数据输入（输入）的起点/输出（推出）的终点，或读/写持久变量（持久变量）的终点）。
“线”代表“节点”之间的输入/输出关系。
这些数据的“行”被标记为“行”。
可以以“动态可调的尺寸”运输。
多维数据阵列，即“张量”。
流过图表的张量的直观图像是将该工具命名为“ Tensorflow”的原因。
一旦输入侧上的所有张量都准备就绪，就将节点分配给各种计算设备以完成异步2。
TensorFlow读取csv文件过程。
本部分将使用Harrison和Rubinfield在1978年收集的波士顿住房价格数据集。
该数据集您可以了解百度的相关内容。
导入所需的模块并声明全局变量：1.定义一个函数，该函数以文件名作为参数并返回张量等于BATCH_SIZE的张量：2.定义f_queue和reader作为文件名：3.将数据指定为在此处使用可防止数据丢失。
解码.csv并选择所需的功能。
例如，选择RM，PTRATIO和LSTAT功能：4.定义参数以生成批处理，并使用tf.train.shuffle_batch（）随机重新排列张量。
此函数返回张量Feature_batch和label_batch：5.在此定义了另一个函数以在会话中生成批处理：6.使用这两个函数来获取批处理中的数据。
在这里，仅打印数据。
在学习和训练时，将在此处执行优化步骤：TensorFlow csv数据预处理使用前面各章中提到的TensorFlow控制操作和张量进行数据预处理。
例如，就波士顿的房价而言，大约有16个数据行，其MEDV为50.0。
在大多数情况下，这些数据点包含丢失或删除的值，因此建议不要考虑使用这些数据进行训练。
您可以使用以下代码在训练数据集中删除它们：上面是“ tensorflow”。
该编辑器带来的相关内容。
通过本文，我希望每个人都对tensorflow读取csv文件的过程有一定的了解。
如果您喜欢这篇文章，不妨继续关注我们的网站，稍后编辑器将带来更多令人兴奋的内容。
最后，感谢大家阅读，祝您有美好的一天！
