TensorFlow之读取CSV文件实例：
import tensorflow as tf import os def csvread(filelist): ''' 读取CSV文件 :param filename: 路径+文件名的列表 :return: 读取内容 ''' # 1. 构造文件的队列 file_queue = tf.train.string_input_producer(filelist) # 2. 构造csv阅读器读取队列数据（按一行） reader = tf.TextLineReader() key,value = reader.read(file_queue) # 3.对每行内容解码 # record_defaults:指定每一个样本的每一列的类型，指定默认值[['None'],[4.0]] records = [['None'],['None']] example,label = tf.decode_csv(value,record_defaults=records) # batch_size跟队列，数据的数量没有影响，只决定这批次取多少数据 # 4. 想要读取多个数据，就需要批处理 example_batch,label_batch = tf.train.batch([example,label],batch_size=9,num_threads=1,capacity=9) # print(example,label) return example_batch,label_batch if __name__ == '__main__': # 找到文件，构建列表 filename = os.listdir('./data/csvdata/') # 拼接路径 重新组成列表 filelist = [os.path.join('./data/csvdata/',file) for file in filename] # 调用函数传参 example_batch,label_batch = csvread(filelist) # 开启会话 with tf.Session() as sess: # 定义一个线程协调器 coord = tf.train.Coordinator() # 开启读文件的线程 threads = tf.train.start_queue_runners(sess,coord=coord) # 打印读取的内容 print(sess.run([example_batch,label_batch])) # 回收子线程 coord.request_stop() coord.join(threads)