如何用tf.decode_csv解码tensorflow中的csv文件？
如何用tf.decode_csv解码tensorflow中的csv文件？
提问于 2016-12-13 15:47:28
如何使用tf.TextLineReader()和tf.decode_csv解码具有长行的csv文件(例如，每行有很多项，这样逐个列出输出是不现实的)？
典型的用法是：
reader = tf.TextLineReader()
key, value = reader.read(filename_queue)
record_defaults = [1,1,1,1,1]
a,b,c,d,e = tf.decode_csv(records=value,record_defaults=record_defaults, field_delim=" ")当我们在一行中有数千个项目时，不可能像上面的(a，b，c，d，e)那样逐个分配它们，所有的项目都可以解码为一个列表或类似的东西吗？
回答 3
Stack Overflow用户
发布于 2017-09-14 17:48:03
假设您有1800列数据。您可以将其用作记录默认值：
record_defaults=[[1]]*1800然后使用
all_columns = tf.decode_csv(value, record_defaults=record_defaults)来阅读它们。
Stack Overflow用户
发布于 2016-12-13 17:58:32
嗯，tf.decode_csv返回一个列表，所以您可以简单地这样做：
record_defaults = [[1], [1], [1], [1], [1]]
all_columns = tf.decode_csv(value, record_defaults=record_defaults)
all_columns
Out: [<tf.Tensor 'DecodeCSV:0' shape=() dtype=int32>,
<tf.Tensor 'DecodeCSV:1' shape=() dtype=int32>,
<tf.Tensor 'DecodeCSV:2' shape=() dtype=int32>,
<tf.Tensor 'DecodeCSV:3' shape=() dtype=int32>,
<tf.Tensor 'DecodeCSV:4' shape=() dtype=int32>
]然后，您可以像往常一样评估它：
sess = tf.Session()
sess.run(all_columns)
Out: [1, 1, 1, 1, 1]请注意，您需要传递一个秩为1的record_defaults。如果您有一些挂起队列的问题。
Stack Overflow用户
发布于 2020-07-27 11:12:13
下面是我在record_defaults中混合不同数据类型的方法：
record_defaults = [tf.constant(.1, dtype=tf.float32) for count in range(100)] # 5 fp32 features
record_defaults.extend([tf.constant(1, dtype=tf.int32) for count in range(2)]) # 2 int32 features页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/41115931
复制相关文章
相似问题
腾讯云开发者
