TensorFlow erstellen Datensatz aus numpy Array

Question

TensorFlow als Build es eine schöne Möglichkeit, Daten zu speichern. Dies wird beispielsweise verwendet, um die Daten MNIST im Beispiel zu speichern:

>>> mnist 
<tensorflow.examples.tutorials.mnist.input_data.read_data_sets.<locals>.DataSets object at 0x10f930630> 

Angenommen, ein Eingangs- und Ausgangs numpy Arrays haben.

>>> x = np.random.normal(0,1, (100, 10)) 
>>> y = np.random.randint(0, 2, 100) 

Wie kann ich sie in einen tf Datensatz umwandeln?

Ich mag Funktionen nutzen wie next_batch

Answer 1

Das Dataset-Objekt ist nur ein Teil des MNIST Tutorial, nicht die Haupt TensorFlow Bibliothek.

Sie können sehen, wo es hier definiert ist:

GitHub Link

Der Konstruktor akzeptiert ein Bild und Etikett Argument so vermutlich Sie Ihre eigenen Werte dort passieren können.

Answer 2

Alternativ können Sie die Funktion tf.train.batch() verwenden, um eine Charge Ihrer Daten zu erstellen und gleichzeitig die Verwendung von tf.placeholder zu vermeiden. Weitere Informationen finden Sie in der Dokumentation.

>>> images = tf.constant(X, dtype=tf.float32) # X is a np.array 
>>> labels = tf.constant(y, dtype=tf.int32) # y is a np.array 
>>> batch_images, batch_labels = tf.train.batch([images, labels], batch_size=32, capacity=300, enqueue_many=True)