2.6 TensorFlow数据读取的方式

机器学习既然是基于数据的方法，不管它有多抽象，总归是有读取数据的方法的，这里的数据应该是一个统称，包含数据集和变量张量。

TensorFlow一共有3种方法读取数据：

● 供给数据（Feeding）：创建占位符，让Python代码来供给数据。

● 从文件读取数据（Reading）：TensorFlow可以从文件中读取数据。

● 预加载数据（Preloading）：在TensorFlow图中定义常量或变量来保存所有数据（仅

适用于数据量比较小的情况）。

1.供给数据（Feeding）

TensorFlow的数据供给机制可以在TensorFlow运算图中将数据注入任一张量中，使用placeholder创建占位符，然后通过给run（）或者eval（）函数输入feed_dict参数供给数据，才可以启动运算过程。例如：

2.从文件读取数据（Reading）

从文件中读取数据的内容比较灵活，TensorFlow官方API也给出了例子，有兴趣的读者可以移步官网将数据导入TensorFlow。

3.预加载数据（Preloading）

加载数据集通常是可以完全加载到存储器中的小的数据集。有两种方法：

● 存储在常数中。

● 存储在变量中，初始化后，永远不要改变它的值。

使用常数更简单一些，但是会使用更多的内存（因为常数会内联地存储在数据流图数据结构中，这个结构体可能会被复制几次）。例如：

要使用变量，还需要在构建图形之后对其进行初始化。如：