ここに、csvのサイトのコードサンプルがあります。 TextLineReaderを使用してcsv形式を処理する必要があります。これが興味のあるものであれば、あなたのようです。ファイルを読むためにあなたのすべてのオプションについては、リンクは私が見つけた最良の解決策はあるhere
filename_queue = tf.train.string_input_producer(["file0.csv", "file1.csv"])
reader = tf.TextLineReader()
key, value = reader.read(filename_queue)
# Default values, in case of empty columns. Also specifies the type of the
# decoded result.
record_defaults = [[1], [1], [1], [1], [1]]
col1, col2, col3, col4, col5 = tf.decode_csv(
value, record_defaults=record_defaults)
features = tf.concat(0, [col1, col2, col3, col4])
with tf.Session() as sess:
# Start populating the filename queue.
coord = tf.train.Coordinator()
threads = tf.train.start_queue_runners(coord=coord)
for i in range(1200):
# Retrieve a single instance:
example, label = sess.run([features, col5])
coord.request_stop()
coord.join(threads)
ええ、私はチュートリアルを読んで、私はドン」データを使用する場所の例を参照してください。私はどこかにちょうどそれを見つけることができない方法があると確信しています。最初のチュートリアルでは、MNISTデータセットの使い方を示しています。 –
MNISTのデータを見るだけで、どのようにデータをダウンロードして構築するのですか(https://tensorflow.googlesource.com/tensorflow/+/master/tensorflow/g3doc/tutorials/mnist/input_data)。 py)。さらに悪いことに、霧が救われるのと同じ方法で自分のイメージを撮ることができます。データをNNに供給する前に、データがどのように見えるかを見て、同様の方法で自分自身を構築してください。 –
あなたは自分の[docs](http://tensorflow.org/get_started)から、自分のMNISTデータを使ってみるとどうやってそれを使うことができますか?それは単なる例であることを明確に述べています。 "ニューラルネットワークの土地では、最も古典的な"古典的な "問題は、MNISTの手書き数字の分類です。ここでは、機械学習の初心者のためのものと、プロのためのものの2つの紹介があります。あなたが数十のMNIST他のソフトウェアパッケージのモデルは、赤い錠剤を服用してください。あなたがMNISTについて聞いたことがない場合は、間違いなく青い錠剤を服用してください。 –