[파이썬] TensorFlow에서 데이터 로딩

06 Sep 2023

statsmodels

TensorFlow에서 데이터를 로딩하기 위해 다양한 방법을 사용할 수 있습니다. 가장 일반적인 방법은 넘파이(Numpy) 배열이나 텐서플로(TensorFlow)의 내장 데이터셋을 사용하는 것입니다. 다음은 Python에서 TensorFlow 데이터 로딩을 위한 몇 가지 예시 코드입니다.

1. 넘파이(Numpy) 배열로 데이터 로딩하기

import numpy as np
import tensorflow as tf

# 데이터를 로딩하여 넘파이 배열로 변환
data = np.loadtxt('data.txt', delimiter=',')
labels = np.loadtxt('labels.txt')

# TensorFlow 텐서로 변환
data_tensor = tf.constant(data, dtype=tf.float32)
labels_tensor = tf.constant(labels, dtype=tf.int32)

2. 텐서플로 내장 데이터셋 사용하기

import tensorflow_datasets as tfds

# 데이터셋 로딩
dataset = tfds.load('mnist', split=tfds.Split.TRAIN)

# 데이터셋에서 샘플 배치 가져오기
for example in dataset.take(1):
  image, label = example["image"], example["label"]

# 가져온 데이터를 TensorFlow 텐서로 변환
image_tensor = tf.convert_to_tensor(image, dtype=tf.float32)
label_tensor = tf.convert_to_tensor(label, dtype=tf.int32)

위의 예시 코드에서는 첫 번째 예시는 넘파이 배열을 사용하여 데이터를 로딩하고 TensorFlow 텐서로 변환합니다. 두 번째 예시는 TensorFlow의 내장 데이터셋 중 하나인 MNIST 데이터셋을 로딩하는 방법을 보여줍니다. 이는 텐서플로 자체에서 제공하는 다양한 데이터셋 중 하나입니다.

TensorFlow에서 데이터를 로딩하는 방법은 데이터의 형식과 용도에 따라 다를 수 있습니다. 위의 예시 코드는 간단한 예시이지만, TensorFlow에서 제공하는 다양한 데이터 로딩 방법을 통해 더 복잡하고 다양한 데이터를 쉽게 로딩할 수 있습니다. 매뉴얼이나 예제 코드를 참고하면 더 자세한 사용법을 알 수 있습니다.