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!