tensorflow入门学习(2)——tensorflow数据读取&多线程

一、供给数据

TensorFlow的数据供给机制允许你在TensorFlow运算图中将数据注入到任一张量中。因此，python运算可以把数据直接设置到TensorFlow图中。
通过给run()或者eval()函数输入feed_dict参数， 可以启动运算过程。

with tf.Session():
    input = tf.placeholder(tf.float32)
    classifier = ...
    print classifier.eval(feed_dict={input: my_python_preprocessing_fn()})

二、从文件读取数据

首先要知道你要读取的文件的格式，选择对应的文件读取器；

CSV 文件

从CSV文件中读取数据， 需要使用TextLineReader和decode_csv 操作， 如下面的例子所示：

1. tf.train.string_input_producer()

选择要读取的文件的名字形成list，用 tf.train.string_input_producer 函数来生成文件名队列，
这个函数可以设置shuffle = Ture，来打乱队列，可以设置epoch = 5，过5遍训练数据

2. tf.TextFileReader(), tf.decode_csv()

选择的文件读取器，解码器，读取文件名队列并解码
CSV 那样的文本文件，用的文件读取器和解码器就是 TextLineReader 和 decode_csv

二进制文件

图片文件

三、Tensorflow多线程

TensorFlow的Session对象是支持多线程的，可以在同一个会话（Session）中创建多个线程，并行执行。在Session中的所有线程都必须能被同步终止，异常必须能被正确捕获并报告，会话终止的时候， 队列必须能被正确地关闭。

TensorFlow提供了两个类来实现对Session中多线程的管理：tf.Coordinator和 tf.