Загрузить данные NumPy в Tensorflow

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:

    print(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:

    print(i.numpy())

Выход:

[ 5 10]
[3 6]
[1 2]
[5 0]