TensorFlowにCSVデータを取得する方法

Question

最近、Tensor Flowでディープラーニングを始めました。私は多くのオンラインリソースを読み、初心者のためにUdacityコースを受講しました。私はディープラーニングの基本原則の多くを得ました。しかし、私が今苦労しているのは、これらのリソースの話題ではありませんでした。私は自分のネットを訓練するために、私自身のラベル付きデータ（CSV形式）を自分のPythonプログラムにどうやって入れられるか分かりません。私はthis postingに出くわして、投稿が示した方法で入力パイプを実装し始めました。私は

sess.run(optimizer, feed_dict={ 
     x: features, 
     y: labels, 
    }) 

TFと私の機能とラベルを供給することによって、私のモデルを訓練しようとするとエラーに

TypeError: The value of a feed cannot be a tf.Tensor object. Acceptable feed values include Python scalars, strings, lists, numpy ndarrays, or TensorHandles. 

Xを投げているし、Yは、プレースホルダとして定義され、セッションはを呼んでいますtf.global_variables_initializer（）

x = tf.placeholder(tf.float32, shape=[10, batch_size]) 
y = tf.placeholder(tf.float32) 

しかし、tf.train.shuffle_batchによって返されたオブジェクトはTensorsなのですか？どうすればNumpy Arrayのような有効なデータ型に戻すことができますか？それとも、他のより効率的な方法でデータを読み込むべきでしょうか？

Answer 1

2つの方法で実行できます。

1. feed_dict付：

   features_numpy,labels_numpy = sess.run([features,labels]) 
   sess.run(optimizer, feed_dict={ x: features_numpy,y: labels_numpy}) 
   

   、セッションを実行し、機能やラベルのnumpyの値を取得し、feed_dictを使用してモデルにそれを養います。しかしこれは、TFデータをNumpyにコピーして、それを再びTFに送るので、非効率的です。効率的な方法はに従ってください。

2. 避けfeed_fict

   はfeed_dictとプレースホルダを使用しないでください。フィーチャとラベルノードをモデルに直接接続します。それともこの

   x = features 
   y = labels 
   

   は、予測を取得したり、モデルを訓練するsess.run（model_output /損失/精度）を行うのですか。

これが役立ちます。