TensorFlow csv讀取文件數據（代碼實現）
大多數人了解 Pandas 及其在處理大數據文件方面的實用性。TensorFlow 提供了讀取這種文件的方法。
前面章節中，介紹了如何在 TensorFlow 中讀取文件，本文將重點介紹如何從 CSV 文件中讀取數據并在訓練之前對數據進行預處理。
將采用哈里森和魯賓菲爾德于 1978 年收集的波士頓房價數據集（http://lib.stat.cmu.edu/datasets/boston），該數據集包括 506 個樣本場景，每個房屋含 14 個特征：

1. CRIM：城鎮人均犯罪率

2. ZN：占地 25000 平方英尺（1 英尺=0.3048 米）以上的住宅用地比例

3. INDUS：每個城鎮的非零售商業用地比例

4. CHAS：查爾斯河（Charles River）變量（若土地位于河流邊界，則為 1；否則為 0）

5. NOX：一氧化氮濃度（每千萬）

6. RM：每個寓所的平均房間數量

7. AGE：1940 年以前建成的自住單元比例

8. DIS：到 5 個波士頓就業中心的加權距離

9. RAD：徑向高速公路可達性指數

10. TAX：每萬美元的全價值物業稅稅率

11. PTRATIO：鎮小學老師比例

12. B：1000(Bk-0.63)2，其中 Bk 是城鎮黑人的比例

13. LSTAT：低地位人口的百分比

14. MEDV：1000 美元自有住房的中位值
    TensorFlow讀取csv文件過程

15. 導入所需的模塊并聲明全局變量：
    

16. 定義一個將文件名作為參數的函數，并返回大小等于 BATCH_SIZE 的張量：
    

17. 定義 f_queue 和 reader 為文件名：
    

18. 這里指定要使用的數據以防數據丟失。對 .csv 解碼并選擇需要的特征。例如，選擇 RM、PTRATIO 和 LSTAT 特征：

5. 定義參數來生成批并使用 tf.train.shuffle_batch() 來隨機重新排列張量。該函數返回張量 feature_batch 和 label_batch：
   

6. 這里定義了另一個函數在會話中生成批：
   

7. 使用這兩個函數得到批中的數據。這里，僅打印數據；在學習訓練時，將在這里執行優化步驟：
   

TensorFlow csv數據預處理
用前面章節提到的 TensorFlow 控制操作和張量來對數據進行預處理。例如，對于波士頓房價的情況，大約有 16 個數據行的 MEDV 是 50.0。在大多數情況下，這些數據點包含缺失或刪減的值，因此建議不要考慮用這些數據訓練。可以使用下面的代碼在訓練數據集中刪除它們：

這里定義了一個張量布爾條件，若 MEDV 等于 50.0 則為真。如果條件為真則可使用 TensorFlow tf.where() 操作賦為零值。

總結

以上是生活随笔為你收集整理的TensorFlow csv读取文件数据（代码实现）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。