tensorflow数据读取方式的整理

我们知道tensorflow是一个深度学习框架，用计算图（graph） 表示计算任务，用张量（tensor） 表示和传递数据，在会话（session） 中执行计算任务。我们要学习和使用tensorflow，就需要知道如何读取tensorflow数据。经常看实例代码，我们会发现有的是先定义变量占位，然后再通过feed_dict喂入数据，有的则没有，现在就来整理一下有哪些方式。

数据读取

1. 预取数据（Preloaded data）
2. 供给数据（Feeding）
3. 从文件读取（Reading from file）

预加载数据

在TensorFlow图中定义常量或变量来保存所有数据。这种方式一般只适用于数据量比较小的情况，因为预加载数据量大的时候会占用大量内存。通常有两种方法：
1.存储在常数中；
2. 存储在变量中，初始化后，值则不可改变。
示例：

import tensorflow as tf 
# 定义一个图graph 
x1 = tf.constant([1, 2, 3]) 
x2 = tf.constant([2, 3, 4]) 
y = tf.add(x1, x2) 
# 打开一个会话session 来执行计算y 
with tf.Session() as sess: 
	print sess.run(y)