Как* на самом деле * читать данные CSV в TensorFlow?

Я относительно новичок в мире тензорного потока, и довольно озадачен тем, как вы бы на самом деле прочитайте данные CSV в полезный пример / тензоры меток в TensorFlow. Пример из TensorFlow учебное пособие по чтению в формате CSV данных довольно фрагментирован и только дает вам часть пути к тому, чтобы иметь возможность тренироваться на данных CSV.

вот мой код, который я собрал вместе, основываясь на этом учебнике CSV:

from __future__ import print_function
import tensorflow as tf

def file_len(fname):
    with open(fname) as f:
        for i, l in enumerate(f):
            pass
    return i + 1

filename = "csv_test_data.csv"

# setup text reader
file_length = file_len(filename)
filename_queue = tf.train.string_input_producer([filename])
reader = tf.TextLineReader(skip_header_lines=1)
_, csv_row = reader.read(filename_queue)

# setup CSV decoding
record_defaults = [[0],[0],[0],[0],[0]]
col1,col2,col3,col4,col5 = tf.decode_csv(csv_row, record_defaults=record_defaults)

# turn features back into a tensor
features = tf.stack([col1,col2,col3,col4])

print("loading, " + str(file_length) + " line(s)n")
with tf.Session() as sess:
  tf.initialize_all_variables().run()

  # start populating filename queue
  coord = tf.train.Coordinator()
  threads = tf.train.start_queue_runners(coord=coord)

  for i in range(file_length):
    # retrieve a single instance
    example, label = sess.run([features, col5])
    print(example, label)

  coord.request_stop()
  coord.join(threads)
  print("ndone loading")

и здесь это краткий пример из файла CSV, который я загружаю-довольно основные данные - 4 столбца функций и 1 столбец меток:

0,0,0,0,0
0,15,0,0,0
0,30,0,0,0
0,45,0,0,0

все код выше делает это печать каждого примера из файла CSV, один за другим, что, хотя и приятно, довольно бесполезно для обучения.

то, с чем я борюсь здесь,-это то, как вы на самом деле превратите эти отдельные примеры, загруженные один за другим, в набор данных для обучения. Например, вот записная книжка я работал на курсе глубокого обучения Udacity. Я в основном хочу взять данные CSV, которые я загружаю, и плюхнуть его в что-то вроде train_dataset и train_labels:

def reformat(dataset, labels):
  dataset = dataset.reshape((-1, image_size * image_size)).astype(np.float32)
  # Map 2 to [0.0, 1.0, 0.0 ...], 3 to [0.0, 0.0, 1.0 ...]
  labels = (np.arange(num_labels) == labels[:,None]).astype(np.float32)
  return dataset, labels
train_dataset, train_labels = reformat(train_dataset, train_labels)
valid_dataset, valid_labels = reformat(valid_dataset, valid_labels)
test_dataset, test_labels = reformat(test_dataset, test_labels)
print('Training set', train_dataset.shape, train_labels.shape)
print('Validation set', valid_dataset.shape, valid_labels.shape)
print('Test set', test_dataset.shape, test_labels.shape)

Я пробовал использовать tf.train.shuffle_batch, как это, но он просто необъяснимо висит:

  for i in range(file_length):
    # retrieve a single instance
    example, label = sess.run([features, colRelevant])
    example_batch, label_batch = tf.train.shuffle_batch([example, label], batch_size=file_length, capacity=file_length, min_after_dequeue=10000)
    print(example, label)

Итак, чтобы подвести итог, вот мои вопросы:

• что мне не хватает в этом процессе?
  • похоже, что есть какая-то ключевая интуиция что мне не хватает о том, как правильно построить входной трубопровод.
• есть ли способ избежать необходимости знать длину файла CSV?
  • он чувствует себя довольно неэлегантно, чтобы знать количество строк, которые вы хотите обработать (for i in range(file_length) строка кода выше)

Edit: Как только Ярослав указал, что я, скорее всего, перепутал императив и построение графика части здесь, это начало становиться яснее. Я смог собрать следующий код, который, я думаю, ближе к тому, что обычно делается при обучении модели из CSV (исключая любой код обучения модели):

from __future__ import print_function
import numpy as np
import tensorflow as tf
import math as math
import argparse

parser = argparse.ArgumentParser()
parser.add_argument('dataset')
args = parser.parse_args()

def file_len(fname):
    with open(fname) as f:
        for i, l in enumerate(f):
            pass
    return i + 1

def read_from_csv(filename_queue):
  reader = tf.TextLineReader(skip_header_lines=1)
  _, csv_row = reader.read(filename_queue)
  record_defaults = [[0],[0],[0],[0],[0]]
  colHour,colQuarter,colAction,colUser,colLabel = tf.decode_csv(csv_row, record_defaults=record_defaults)
  features = tf.stack([colHour,colQuarter,colAction,colUser])  
  label = tf.stack([colLabel])  
  return features, label

def input_pipeline(batch_size, num_epochs=None):
  filename_queue = tf.train.string_input_producer([args.dataset], num_epochs=num_epochs, shuffle=True)  
  example, label = read_from_csv(filename_queue)
  min_after_dequeue = 10000
  capacity = min_after_dequeue + 3 * batch_size
  example_batch, label_batch = tf.train.shuffle_batch(
      [example, label], batch_size=batch_size, capacity=capacity,
      min_after_dequeue=min_after_dequeue)
  return example_batch, label_batch

file_length = file_len(args.dataset) - 1
examples, labels = input_pipeline(file_length, 1)

with tf.Session() as sess:
  tf.initialize_all_variables().run()

  # start populating filename queue
  coord = tf.train.Coordinator()
  threads = tf.train.start_queue_runners(coord=coord)

  try:
    while not coord.should_stop():
      example_batch, label_batch = sess.run([examples, labels])
      print(example_batch)
  except tf.errors.OutOfRangeError:
    print('Done training, epoch reached')
  finally:
    coord.request_stop()

  coord.join(threads)