TensorFlow读取自己数据集的几个小方法

不得不说TensorFlow读取数据很不方便，-。-，官方给的tutorials看完后并没什么用。。自己总结了两种可行的方法，用自己的数据集来测试。

1. mat -> ndarray

数据处理经常用到matlab,matlab中数据保存格式常为.mat,因此首先提供一份从mat转到ndarray的代码.

#读取.mat格式数据
#.mat 中包含trainFeatures矩阵
import tensorflow as tf
import os
import numpy as np
import scipy.io #for load mat
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'  #close the warning

# --------------------load data-----------------------------------------------------------
train = 'imageTrainData.mat'
trainData = scipy.io.loadmat(train)['trainFeatures'].ravel()#load data
trainData = np.reshape(trainData,[featurelNum ,trainNum ])#reshape to 2d array
trainData = np.transpose(trainData)#transpose

在训练过程中，可以直接使用整个数据集进行feed,训练：

for i in range(