Tensorflow 从文件中载入训练数据

本节包含：

1. 用纯文本文件准备训练数据
2. 加载文件中的训练数据

一、用纯文本文件准备训练数据

1.数据的数字化

比如，“是” —— “1”，“否” —— “0”

“优”，“中”，“差” —— 1 2 3  或者 3 2 1

2.训练数据的格式

在文本文件中，一般每行存放一条数据，一条数据中可以有多个数据项（有时称为“字段”），数据项中间一般使用英文逗号”,“ 进行分割

90,80,70,0
98,95,87,1
99,99,99,1
80,85,90,0

这就是三好学生评选结果问题的一组数据，每行代表一位学生的成绩和最后的评选结果

注意： 文本文件一定要以UTF-8 的编码形式来保存，逗号一定是英文的逗号，尽量不要有空格等空白字符

3.使用CSV格式文件辅助处理数据

CSV是逗号分隔值的简称，这种格式的文件中每行都是一个个用逗号分隔开的内容项

CSV格式的文件 是纯文本文件中的一种，也是 Excel 支持的文件格式，所以可以用 Excel 来处理数据

我使用的是 Notepad++ ，一款代码编辑软件

将刚才的数据保存为 .CSV 文件后，可以用Excel 打开，编辑修改

二、加载文件中的训练数据

1.加载函数

numpy包 中的 loadtxt 函数，其中第一个参数是 要读取的文件名和文件所在的目录，第二个参数 delimiter 表示数据项之间用什么字符分隔，第三个参数表示读取的数据类型

import numpy as np
wholeData = np.loadtxt(r"C:\Users\DELL\Desktop\abc.txt",delimiter=",",dtype=np.float32)
print(wholeData)

[[90. 80. 70.  0.]
 [98. 95. 87.  1.]
 [99. 99. 99.  1.]
 [80. 85. 90.  0.]]

路径前加 ”r“  的原因   <—

原因分析：在windows系统当中读取文件路径可以使用\,但是在python字符串中\有转义的含义，如\t可代表TAB，\n代表换行，所以我们需要采取一些方式使得\不被解读为转义字符。

1、在路径前面加r，即保持字符原始值的意思。

sys.path.append(r'c:\Users\mshacxiang\VScode_project\web_ddt')
2、替换为双反斜杠

sys.path.append('c:\\Users\\mshacxiang\\VScode_project\\web_ddt')
3、替换为正斜杠

sys.path.append('c:/Users/mshacxiang/VScode_project/web_ddt')

2.读取时舍弃非数字列

import pandas as pd
import numpy as np
fileData = pd.read_csv(r'C:\Users\DELL\Desktop\dataset.csv',dtype=np.float32,header=None,usecols=(1,2,3,4))
wholeData = fileData.as_matrix()

print(wholeData)

[[90. 80. 70.  0.]
 [98. 95. 87.  1.]
 [99. 99. 99.  1.]
 [80. 85. 90.  0.]]

可见，在读取时已经舍弃了非数字列

3.非数字列与数字列的转换

import pandas as pd
import numpy as np
fileData = pd.read_csv(r'C:\Users\DELL\Desktop\dataset.csv',dtype=np.float32,header=None,converters={(3):lambda s:1.0 if s == "是" else 0.0})
wholeData = fileData.as_matrix()

print(wholeData)

[[90. 80. 70.  0.]
 [98. 95. 87.  1.]
 [99. 99. 99.  1.]
 [80. 85. 90.  0.]]

4.行数据的拆分  及  喂给训练过程

由于从文件中读取的数据是一个第二维有4项的二维数组，而我们原来的数据有两个，一个是分数，每行3项，另一个是评选结果，只有一个数，所以，需要将新的数据格式 拆分后再 喂给神经网络

import tensorflow as tf
import numpy as np
import pandas as pd

fileData = pd.read_csv(r'C:\Users\DELL\Desktop\abc.txt', dtype=np.float32, header=None)
wholeData = fileData.as_matrix()  #将文件中的数据转换成二维数组 wholeData
rowCount = int(wholeData.size / wholeData[0].size)  #获取一共多少条数据
# wholeData.size 获得的是 数据的所有项的个数，本题是 4 * 4 = 16
# wholeData[0].size  获得的是第一行的项数，本题是 4
# 所以 行数 = 16 / 4 = 4

goodCount = 0
# 用一个循环统计 符合三号学生条件的数据条数，并放入 goodCount 中
for i in range(rowCount):
    if wholeData[i][0] * 0.6 + wholeData[i][1] * 0.3 + wholeData[i][2] * 0.1 >= 95:
        goodCount = goodCount + 1

print("wholeData = %s" % wholeData)
print("行数rowCount = %d" % rowCount)
print("三好数goodCount = %d" % goodCount)

# 定义模型
x = tf.placeholder(dtype=tf.float32)
yTrain = tf.placeholder(dtype=tf.float32)

w = tf.Variable(tf.zeros([3]), dtype=tf.float32)
b = tf.Variable(80, dtype=tf.float32)

wn = tf.nn.softmax(w)

n1 = wn * x

n2 = tf.reduce_sum(n1) - b

y = tf.nn.sigmoid(n2)

loss = tf.abs(yTrain - y)

optimizer = tf.train.RMSPropOptimizer(0.1)

train = optimizer.minimize(loss)

sess = tf.Session()
sess.run(tf.global_variables_initializer())

for i in range(2):
    for j in range(rowCount):
        result = sess.run([train, x, yTrain, wn, b, n2, y, loss], feed_dict={x: wholeData[j][0:3], yTrain: wholeData[j][3]})
        print(result)

wholeData = [[90. 80. 70.  0.]
 [98. 95. 87.  1.]
 [99. 99. 99.  1.]
 [80. 85. 90.  0.]]
行数rowCount = 4
三好数goodCount = 2
[None, array([90., 80., 70.], dtype=float32), array(0., dtype=float32), array([0.33333334, 0.33333334, 0.33333334], dtype=float32), 80.02626, 0.0, 0.5, 0.5]
[None, array([98., 95., 87.], dtype=float32), array(1., dtype=float32), array([0.30555207, 0.33253884, 0.3619091 ], dtype=float32), 80.02626, 12.995125, 0.99999774, 2.2649765e-06]
[None, array([99., 99., 99.], dtype=float32), array(1., dtype=float32), array([0.3055522 , 0.33253887, 0.3619089 ], dtype=float32), 80.02626, 18.97374, 1.0, 0.0]
[None, array([80., 85., 90.], dtype=float32), array(0., dtype=float32), array([0.3055522 , 0.33253887, 0.3619089 ], dtype=float32), 80.02689, 5.2555237, 0.9948085, 0.9948085]
[None, array([90., 80., 70.], dtype=float32), array(0., dtype=float32), array([0.30587256, 0.33257753, 0.36154988], dtype=float32), 80.05657, -0.58367157, 0.3580882, 0.3580882]
[None, array([98., 95., 87.], dtype=float32), array(1., dtype=float32), array([0.27762243, 0.32822776, 0.39414987], dtype=float32), 80.05657, 12.6231, 0.99999666, 3.33786e-06]
[None, array([99., 99., 99.], dtype=float32), array(1., dtype=float32), array([0.27762258, 0.32822785, 0.39414948], dtype=float32), 80.05657, 18.94342, 1.0, 0.0]
[None, array([80., 85., 90.], dtype=float32), array(0., dtype=float32), array([0.27762258, 0.32822785, 0.39414948], dtype=float32), 80.05717, 5.5260544, 0.9960341, 0.9960341]