模块张量流没有属性'to_string'

Question

我想阅读大量数据集： aab，20170525,0.13,0.14,14,0.13,0.14.14,2060，等等。

import tensorflow as tf
filename_queue = tf.train.string_input_producer(["D:/data/20170623.csv"])
reader = tf.TextLineReader(skip_header_lines=1)
key, value = reader.read(filename_queue)
record_defaults = [tf.constant([], dtype= tf.int32),
                   tf.constant([], dtype= tf.int32),
                   tf.constant([], dtype=tf.int32),
                   tf.constant([], dtype=tf.int32),
                   tf.constant([], dtype=tf.int32),
                   tf.constant([], dtype=tf.int32),
                   tf.constant([], dtype=tf.int32)]
col1, col2, col3, col4, col5, col6, col7 = tf.decode_csv(value, record_defaults=record_defaults)
assert col1.dtype == tf.int32  
assert col2.dtype == tf.int32  
assert col3.dtype == tf.int32    
assert col4.dtype == tf.int32    
assert col5.dtype == tf.int32    
assert col6.dtype == tf.int32  
assert col7.dtype == tf.int32    
features = tf.stack([tf.to_string(col1), tf.to_string(col2)])
features = tf.stack([col1, col2, col3, col4, col5, col6, col7])
with tf.Session() as sess:
  # Start populating the filename queue.
  coord = tf.train.Coordinator()
  threads = tf.train.start_queue_runners(coord=coord)
  for i in range(1200):
    # Retrieve a single instance:
    example, label = sess.run([features, col1])
  coord.request_stop()
  coord.join(threads)

错误：

Traceback (most recent call last):
  File "<ipython-input-18-8079bf3fc932>", line 1, in <module>
    runfile('D:/data/temp.py', wdir='D:/data')
  File "D:Anacondaenvstensorflowlibsite-packagesspyderutilssitesitecustomize.py", line 880, in runfile
    execfile(filename, namespace)
  File "D:Anacondaenvstensorflowlibsite-packagesspyderutilssitesitecustomize.py", line 102, in execfile
    exec(compile(f.read(), filename, 'exec'), namespace)
  File "D:/data/temp.py", line 33, in <module>
    features = tf.stack([tf.to_string(col1), tf.to_string(col2)])
AttributeError: module 'tensorflow' has no attribute 'to_string'

如何从CSV文件返回基于名称的值？包含日期，单词，值，浮子？

感谢您的帮助。

Answer 1

您应该通过更改record_defaults张量来指定tf.decode_csv步骤中正确的dtype，以便TensorFlow知道它应该给每列的dtype。这样，您就无需更改之后。

例如。您可以做这样的事情：

record_defaults = [[''],
                   [''],
                   [0.0],
                   [0.0],
                   [0.0],
                   tf.constant([], dtype=tf.int32),
                   tf.constant([], dtype=tf.int32)]

Answer 2

一种解决方案是导入pandas。

如果您使用的是Anaconda。

conda install -c anaconda pandas=0.20.2

等到安装熊猫，或在anaconda> tensorflow下搜索熊猫。

代码是：

import pandas as pd
df=pd.read_csv("csvdirectoryhere")
print(df)

如果您有多个数据集，则要导入Python，则可以将DF更改为DF1。print(df1(df1 = pd.read_csv(" csvdirectoryhere"(df1等。

要使用所导入的数据，您可以执行类似的操作，也可以关注文档。

特别感谢所有回答我的问题的人。