Python 在tensorflow中将csv行作为数组导入

我有一个csv文件，其中包含大量

N

列：第一列包含标签，另一列

N-1

是我数据的数字表示（音乐录制的色度特征）

我的想法是将输入数据表示为数组。在实践中，我想要一个与计算机视觉中数据的标准表示形式相同的表示形式。由于我的数据存储在csv中，在输入序列函数的定义中，我需要一个csv解析器。我是这样做的

def parse_csv(line):
    columns = tf.decode_csv(line, record_defaults=DEFAULTS)  # take a line at a time
    features = {'songID': columns[0], 'x': columns[1:]}  # create a dictionary out of the features
    labels = features.pop('songID')  # define the label
    return features, labels


def train_input_fn(data_file=fp, batch_size=128):
    """Generate an input function for the Estimator."""

    # Extract lines from input files using the Dataset API.
    dataset = tf.data.TextLineDataset(data_file)
    dataset = dataset.map(parse_csv)
    dataset = dataset.shuffle(1_000_000).repeat().batch(batch_size)
    return dataset.make_one_shot_iterator().get_next()

---

但是，这会返回一个意义不大的错误：

AttributeError:“list”对象没有属性“get\u shape”

。我知道罪魁祸首是features dictionary中的

x

，但我不知道如何更正它，因为从根本上说，我还没有真正了解tensorflow的数据结构。

事实证明，功能需要是张量。然而，每一列本身就是一个张量，取

列[1::

会得到一个张量列表。为了创建存储

N-1

列信息的高维张量，应使用

tf.stack

：

features = {'songID': columns[0], 'x': tf.stack(columns[1:])}  # create a dictionary out of the features

---

事实证明，特征必须是张量。然而，每一列本身就是一个张量，取

列[1::

会得到一个张量列表。为了创建存储

N-1

列信息的高维张量，应使用

tf.stack

：

features = {'songID': columns[0], 'x': tf.stack(columns[1:])}  # create a dictionary out of the features

tf.stack应该解决这个问题

下面的线程中提供了完整的代码示例

tf.stack应该解决这个问题

下面的线程中提供了完整的代码示例