Tensorflow csv数据集使用情况

Posted 2021-04-11

我有一个csv文件，其格式和数据如下：

ID  nr1 nr2 nr3 nr4 nr5 next_nr
1   1   2   3   4   5   6
2   2   3   4   5   6   7
3   3   4   5   6   7   8
4   4   5   6   7   8   9
5   5   6   7   8   9   10
6   6   7   8   9   10  11
7   7   8   9   10  11  12
8   8   9   10  11  12  13
9   9   10  11  12  13  14
10  10  11  12  13  14  15

所以，有10行，包括我的火车数据。我想使用tf.contrib.data.CsvDataset来读取数据。以下是阅读它的示例代码：

import tensorflow as tf
import numpy as np

ITERATOR_BATCH_SIZE = 2
NR_EPOCHS = 3

train1_path = 'train1_short.csv'

dataset = tf.contrib.data.CsvDataset(train1_path,
                                     [tf.float32, tf.float32, tf.float32, tf.float32, tf.float32, tf.float32, tf.float32],
                                     header=True)

dataset = dataset.batch(ITERATOR_BATCH_SIZE)

with tf.Session() as sess:

    for i in range (NR_EPOCHS):
        print('
epoch: ', i)
        iterator = dataset.make_one_shot_iterator()
        next_element = iterator.get_next()
        while True:            
            try:
              data_and_target = sess.run([next_element])
            except tf.errors.OutOfRangeError:
              break
            print("

", data_and_target)

当我运行此代码时，我希望输出在每批中包含2行数据。但我得到的数据看起来很奇怪。这是第一个时期的输出：

epoch:  0


 [(array([1., 2.], dtype=float32), array([1., 2.], dtype=float32), array([2., 3.], dtype=float32), array([3., 4.], dtype=float32), array([4., 5.], dtype=float32), array([5., 6.], dtype=float32), array([6., 7.], dtype=float32))]


 [(array([3., 4.], dtype=float32), array([3., 4.], dtype=float32), array([4., 5.], dtype=float32), array([5., 6.], dtype=float32), array([6., 7.], dtype=float32), array([7., 8.], dtype=float32), array([8., 9.], dtype=float32))]


 [(array([5., 6.], dtype=float32), array([5., 6.], dtype=float32), array([6., 7.], dtype=float32), array([7., 8.], dtype=float32), array([8., 9.], dtype=float32), array([ 9., 10.], dtype=float32), array([10., 11.], dtype=float32))]


 [(array([7., 8.], dtype=float32), array([7., 8.], dtype=float32), array([8., 9.], dtype=float32), array([ 9., 10.], dtype=float32), array([10., 11.], dtype=float32), array([11., 12.], dtype=float32), array([12., 13.], dtype=float32))]


 [(array([ 9., 10.], dtype=float32), array([ 9., 10.], dtype=float32), array([10., 11.], dtype=float32), array([11., 12.], dtype=float32), array([12., 13.], dtype=float32), array([13., 14.], dtype=float32), array([14., 15.], dtype=float32))]

相反，我会 - 例如 - 期望第一批批次喜欢以下内容：

[(array([1., 1., 2., 3., 4., 5., 6], dtype=float32), array([2., 2., 3., 4., 5., 6., 7.], dtype=float32)]

问题可能非常微不足道，但我不明白为什么它看起来像这样。也许在该领域更有经验的人可以立即看到它。

答案

CsvDatset的每个记录必须转换为张量。如果这对你有用，请告诉我：

dataset = tf.contrib.data.CsvDataset(train1_path,
                                     [tf.float32, tf.float32, tf.float32, tf.float32, tf.float32, tf.float32, tf.float32],
                                     header=True, field_delim=' ')

dataset = dataset.map(lambda *x: tf.convert_to_tensor(x))
dataset = dataset.batch(ITERATOR_BATCH_SIZE)

with tf.Session() as sess:
    for i in range (NR_EPOCHS):
        print('
epoch: ', i)
        iterator = dataset.make_one_shot_iterator()
        next_element = iterator.get_next()
        while True:            
            try:
              data_and_target = sess.run(next_element)
            except tf.errors.OutOfRangeError:
              break
            print("

", data_and_target)

对于我的测试，我必须设置field_delim参数才能使其工作。