Tensorflow 数据读取有三种方式：

• Preloaded data: 预加载数据

• Feeding: Python产生数据，再把数据喂给后端。

• Reading from file: 从文件中直接读取

这三种有读取方式有什么区别呢？ 我们首先要知道TensorFlow(TF)是怎么样工作的。

TF的核心是用C++写的，这样的好处是运行快，缺点是调用不灵活。而Python恰好相反，所以结合两种语言的优势。涉及计算的核心算子和运行框架是用C++写的，并提供API给Python。Python调用这些API，设计训练模型(Graph)，再将设计好的Graph给后端去执行。简而言之，Python的角色是Design，C++是Run。

一、预加载数据：

import tensorflow as tf  

# 设计Graph  

x1 = tf.constant([2, 3, 4])  

x2 = tf.constant([4, 0, 1])  

y = tf.add(x1, x2)  

# 打开一个session --> 计算y  

with tf.Session() as sess:  

    print sess.run(y)  

二、python产生数据，再将数据喂给后端

import tensorflow as tf  

# 设计Graph  

x1 = tf.placeholder(tf.int16)  

x2 = tf.placeholder(tf.int16)  

y = tf.add(x1, x2)  

# 用Python产生数据  

li1 = [2, 3, 4]  

li2 = [4, 0, 1]  

# 打开一个session --> 喂数据 --> 计算y  

with tf.Session() as sess:  

    print sess.run(y, feed_dict={x1: li1, x2: li2})  

说明：在这里x1, x2只是占位符，没有具体的值，那么运行的时候去哪取值呢？这时候就要用到sess.run()中的feed_dict参数，将Python产生的数据喂给后端，并计算y。

这两种方案的缺点：

1、预加载：将数据直接内嵌到Graph中，再把Graph传入Session中运行。当数据量比较大时，Graph的传输会遇到效率问题。

2、用占位符替代数据，待运行的时候填充数据。

前两种方法很方便，但是遇到大型数据的时候就会很吃力，即使是Feeding，中间环节的增加也是不小的开销，比如数据类型转换等等。最优的方案就是在Graph定义好文件读取的方法，让TF自己去从文件中读取数据，并解码成可使用的样本集。

三、从文件中读取，简单来说就是将数据读取模块的图搭好

1、准备数据，构造三个文件,A.csv,B.csv,C.csv

$ echo -e "Alpha1,A1\nAlpha2,A2\nAlpha3,A3" > A.csv  

$ echo -e "Bee1,B1\nBee2,B2\nBee3,B3" > B.csv  

$ echo -e "Sea1,C1\nSea2,C2\nSea3,C3" > C.csv  

2、单个Reader，单个样本

#-*- coding:utf-8 -*-  

import tensorflow as tf  

# 生成一个先入先出队列和一个QueueRunner,生成文件名队列  

filenames = ['A.csv', 'B.csv', 'C.csv']  

filename_queue = tf.train.string_input_producer(filenames, shuffle=False)  

# 定义Reader  

reader = tf.TextLineReader()  

key, value = reader.read(filename_queue)  

# 定义Decoder  

example, label = tf.decode_csv(value, record_defaults=[['null'], ['null']])  

#example_batch, label_batch = tf.train.shuffle_batch([example,label], batch_size=1, capacity=200, min_after_dequeue=100, num_threads=2)  

# 运行Graph  

with tf.Session() as sess:  

    coord = tf.train.Coordinator()  #创建一个协调器，管理线程  

    threads = tf.train.start_queue_runners(coord=coord)  #启动QueueRunner, 此时文件名队列已经进队。  

    for i in range(10):  

        print example.eval(),label.eval()  

    coord.request_stop()  

    coord.join(threads)  

说明：这里没有使用tf.train.shuffle_batch，会导致生成的样本和label之间对应不上，乱序了。生成结果如下：

Alpha1 A2
Alpha3 B1
Bee2 B3
Sea1 C2
Sea3 A1
Alpha2 A3
Bee1 B2
Bee3 C1
Sea2 C3
Alpha1 A2

解决方案：用tf.train.shuffle_batch,那么生成的结果就能够对应上。

#-*- coding:utf-8 -*-  

import tensorflow as tf  

# 生成一个先入先出队列和一个QueueRunner,生成文件名队列  

filenames = ['A.csv', 'B.csv', 'C.csv']  

filename_queue = tf.train.string_input_producer(filenames, shuffle=False)  

# 定义Reader  

reader = tf.TextLineReader()  

key, value = reader.read(filename_queue)  

# 定义Decoder  

example, label = tf.decode_csv(value, record_defaults=[['null'], ['null']])  

example_batch, label_batch = tf.train.shuffle_batch([example,label], batch_size=1, capacity=200, min_after_dequeue=100, num_threads=2)  

# 运行Graph  

with tf.Session() as sess:  

    coord = tf.train.Coordinator()  #创建一个协调器，管理线程  

    threads = tf.train.start_queue_runners(coord=coord)  #启动QueueRunner, 此时文件名队列已经进队。  

    for i in range(10):  

        e_val,l_val = sess.run([example_batch, label_batch])  

        print e_val,l_val  

    coord.request_stop()  

    coord.join(threads)  

3、单个Reader,多个样本,主要也是通过tf.train.shuffle_batch来实现

#-*- coding:utf-8 -*-  

import tensorflow as tf  

filenames = ['A.csv', 'B.csv', &am