Les différentes façons de charger des données dans tensorflow

Question

j'étudie la façon de charger des données dans tensorflow avec tf.contrib.learn.datasets

Par exemple,

1. Pour charger ensemble de données Iris, Iris flower classifier, ils ont utilisé le code suivant:

   training_set = tf.contrib.learn.datasets.base.load_csv_with_header(
   filename=IRIS_TRAINING, 
   target_dtype=np.int, 
   features_dtype=np.float32) 
   

2. Pour charger mnist MNIST, ils ont utilisé:

   mnist = tf.contrib.learn.datasets.mnist.read_data_sets(train_dir=LOGDIR + 'data', one_hot=True) 
   

Pourriez-vous me aider à comprendre la différence entre deux façons. En particulier, comment pouvons-nous savoir quelle voie peut convenir à un type donné de données?

Merci à l'avance,

Answer 1

Je ne dirais pas qu'il ya une façon de charger des données dans TF: il dépend du format de vos données, ecc. Vous pouvez jeter un oeil à this guide expliquant le mécanisme et la philosophie derrière les pipelines d'entrée.