tensorflow读取数据之CSV格式

tensorflow要想用起来，首先自己得搞定数据输入。官方文档中介绍了几种，1.一次性从内存中读取数据到矩阵中，直接输入；2.从文件中边读边输入，而且已经给设计好了多线程读写模型；3.把网络或者内存中的数据转化为tensorflow的专用格式tfRecord,存文件后再读取。

 其中，从文件中边读边输入，官方文档举例是用的CSV格式文件。我在网上找了一份代码，修改了一下，因为他的比较简略，我就补充一下遇到的问题先贴代码 #coding=utf-8import tensorflow as tfimport numpy as npdefreadMyFileFormat(fileNameQueue):  reader = tf.TextLineReader()  key, value = reader.read(fileNameQueue)  record_defaults = [[1], [1], [1]]  col1, col2, col3 = tf.decode_csv(value, record_defaults = record_defaults)  features = tf.pack([col1, col2])  label = col3  return features, labeldefinputPipeLine(fileNames = ["1.csv","2.csv"], batchSize =4, numEpochs = None):  fileNameQueue = tf.train.string_input_producer(fileNames, num_epochs = numEpochs)  example, label = readMyFileFormat(fileNameQueue)  min_after_dequeue =8  capacity = min_after_dequeue +3 * batchSize  exampleBatch, labelBatch = tf.train.shuffle_batch([example, label], batch_size = batchSize, num_threads = 3, capacity = cap acity, min_after_dequeue = min_after_dequeue)  return exampleBatch, labelBatchfeatureBatch, labelBatch = inputPipeLine(["1.csv","2.csv"], batchSize = 4)with tf.Session() as sess: # Start populating the filename queue.coord = tf.train.Coordinator()  threads = tf.train.start_queue_runners(coord=coord)  # Retrieve a single instance:try:#while not coord.should_stop():whileTrue:  example, label = sess.run([featureBatch, labelBatch])print example  except tf.errors.OutOfRangeError:  print'Done reading'  finally:  coord.request_stop()  
coord.join(threads)  sess.close()
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~其中，record_defaults = [[1], [1], [1]] ，是用于指定矩阵格式以及数据类型的，CSV文件中的矩阵，是NXM的，则此处为1XM，[1]中的1 用于指定数据类型，比如矩阵中如果有小数，则为float,[1]应该变为[1.0]。
col1, col2, col3 = tf.decode_csv(value, record_defaults = record_defaults) ， 矩阵中有几列，这里就要写几个参数，比如5列，就要写到col5,不管你到底用多少。否则报错。

tf.pack([col1, col2]) ，好像要求col1与col2是同一数据类型，否则报错。
我的测试数据  

-0.76	15.67	-0.12	15.67
-0.48	12.52	-0.06	12.51
1.33	9.11	0.12	9.1
-0.88	20.35	-0.18	20.36
-0.25	3.99	-0.01	3.99
-0.87	26.25	-0.23	26.25
-1.03	2.87	-0.03	2.87
-0.51	7.81	-0.04	7.81
-1.57	14.46	-0.23	14.46
-0.1	10.02	-0.01	10.02
-0.56	8.92	-0.05	8.92
-1.2	4.1	-0.05	4.1
-0.77	5.15	-0.04	5.15
-0.88	4.48	-0.04	4.48
-2.7	10.82	-0.3	10.82
-1.23	2.4	-0.03	2.4
-0.77	5.16	-0.04	5.15
-0.81	6.15	-0.05	6.15
-0.6	5.01	-0.03	5
-1.25	4.75	-0.06	4.75
-2.53	7.31	-0.19	7.3
-1.15	16.39	-0.19	16.39
-1.7	5.19	-0.09	5.18
-0.62	3.23	-0.02	3.22
-0.74	17.43	-0.13	17.41
-0.77	15.41	-0.12	15.41
0	47	0	47.01
0.25	3.98	0.01	3.98
-1.1	9.01	-0.1	9.01
-1.02	3.87	-0.04	3.87