TensorFlow crea set di dati da un array numpy

Question

TensorFlow è un buon modo per memorizzare i dati. Questo è per esempio usato per memorizzare i dati MNIST nell'esempio:

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

Supponiamo di avere un'array di ingresso e di uscita numpy.

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

Come posso trasformarli in un dataset tf?

voglio usare funzioni come next_batch

Answer 1

L'oggetto DataSet è solo una parte del tutorial MNIST, non la libreria tensorflow principale.

È possibile vedere dove si è definito qui:

GitHub Link

Il costruttore accetta un immagini ed etichette argomento quindi presumibilmente è possibile passare i propri valori lì.

Answer 2

In alternativa, è possibile utilizzare la funzione tf.train.batch() per creare un batch di dati e allo stesso tempo eliminare l'utilizzo di tf.placeholder. Fare riferimento alla documentazione per ulteriori dettagli.

>>> 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)