Tensorflow: 数据读取(feed_dict, TFRecord)

Tensorflow有三种读取数据的方式：

• 定义placeholder占位符，通过feed_dict输入数据，从而实现数据的读取。(注意：程序运行时一定要给placeholder提供数据)
• 预加载数据：在tensorflow的计算图中，定义常量或变量来保存所有的数据。（这种方法不适合于数据量大的情况，会出现显卡内存不足的情况）
• 将数据保存到TFRecords文件，程序每次从TFRecords文件去读取数据，相当于每次从磁盘读取数据，适用于数据量大的情况。

这里主要介绍第一种和第三种数据读取方式。

1. 定义placeholder占位符，通过feed_dict读取数据

• placeholder有以下两种定义方式：

     第一种是直接给出了a的确定shape，在提供数据时，数据的shape只能是[2, 1]；第二种方式，适用于模型训练时，训练样本数量不确定的情况，更具有灵活性，提供的数据可以是[2, 1] 也可以是[3, 1]。

• 通过下面的代码来给placeholder提供数据：

其中a_x，b_x和a, b同shape，a_x 和b_x是非张量的数组等形式。

2. 从TFRecords中读取数据

• 将数据写入TFRecords文件

TFRecords可以保存任意形式的数据，如文本，图像等。（因为时间有限，直接上代码）

通过以下代码来调用SeqtoTfrecord类，实现将数据写入TFRecord文件。

• 从TFRecord文件中读取数据

还是直接上代码

TFRecord在数据量大时非常适用，并且可以写入多种形式的数据，根据需要保存数据多种属性.