在Tensorflow中加载NumPy数据

在这篇文章中，我们将研究在Tensorflow中用Python编程语言加载Numpy数据的方法。

使用tf.data.Dataset.from_tensor_slices()函数

在这种方法下，我们使用tf.data.Dataset.from_tensor_slices()方法加载一个Numpy数组，我们可以通过使用TensorFlow模块中的tf.data.Dataset.from_tensor_slices()方法以对象的形式获得数组的片断。

语法 : tf.data.Dataset.from_tensor_slices(list)

返回:返回被切片元素的对象。

示例 1:

在这个例子中，我们使用tf.data.Dataset.from_tensor_slices()方法，来获取二维阵列的切片，然后将其加载到变量gfg中。

# 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())

输出:

[1 2 3 4]
[4 5 6 0]
[2 0 7 8]
[3 7 4 2]

示例 2:

在这个例子中，我们将使用Python编程语言中TensorFlow库的tf.data.Dataset.from_tensor_slices()函数加载变量gfg的NumPy列表。

# 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())