В этой статье мы рассмотрим подход к загрузке данных Numpy в Tensorflow на языке программирования Python.
Использование функции tf.data.Dataset.from_tensor_slices()
При таком подходе мы загружаем массив Numpy с использованием метода tf.data.Dataset.from_tensor_slices(), мы можем получить срезы массива в виде объектов с помощью метода tf.data.Dataset.from_tensor_slices() из модуля TensorFlow.
Syntax : tf.data.Dataset.from_tensor_slices(list)
Return : Return the objects of sliced elements.
Пример 1
В этом примере мы используем метод tf.data.Dataset.from_tensor_slices(), чтобы получить срезы 2D-массива, а затем загрузить их в переменную gfg.
Python3
# import modules
import
tensorflow as tf
import
numpy as np
# Creating data
arr
=
np.array([[
1
,
2
,
3
,
4
],
[
4
,
5
,
6
,
0
],
[
2
,
0
,
7
,
8
],
[
3
,
7
,
4
,
2
]])
# using tf.data.Dataset.from_tensor_slices()
# method
gfg
=
tf.data.Dataset.from_tensor_slices(arr)
for
i
in
gfg:
(i.numpy())
Выход:
[1 2 3 4] [4 5 6 0] [2 0 7 8] [3 7 4 2]
Пример 2
В этом примере мы загрузим список NumPy переменной gfg с помощью функции tf.data.Dataset.from_tensor_slices() из библиотеки TensorFlow на языке программирования Python.
Python3
# import modules
import
tensorflow as tf
import
numpy as np
# Creating data
list
=
[[
5
,
10
], [
3
,
6
], [
1
,
2
], [
5
,
0
]]
# using tf.data.Dataset.from_tensor_slices()
# method
gfg
=
tf.data.Dataset.from_tensor_slices(
list
)
for
i
in
gfg:
(i.numpy())
Выход:
[ 5 10] [3 6] [1 2] [5 0]