TensorFlow中的gfile文件操作

Classes

class FastGFile: 没有线程锁定的文件I / O包装器。
class GFile: 没有线程锁定的文件I / O包装器。
class Open: 没有线程锁定的文件I / O包装器。

Functions

tf.gfile.Copy

tf.gfile.Copy(
    oldpath,
    newpath,
    overwrite=False
)

将数据从oldpath复制到newpath。
Args:

  • oldpath: string,需要复制内容的文件的名称
  • newpath: string,要复制到的文件的名称
  • overwrite: boolean,为false时,newpath已存在时会产生错误。

tf.gfile.DeleteRecursively

tf.gfile.DeleteRecursively(dirname)

以递归方式删除dirname下的所有内容。
Args:

  • dirname: string,要删除的目录名。

tf.gfile.Exists

tf.gfile.Exists(filename)

确定路径是否存在。
Args:

  • filename: string,路径。

Returns:
如果路径存在,则为True,无论是文件还是目录。如果路径不存在且没有文件系统错误,则返回false。


tf.gfile.Glob

tf.gfile.Glob(filename)

返回与给定模式匹配的文件列表。
Args:

  • filename: string or iterable of strings. The glob pattern(s). filename可以是一个具体的文件名,也可以是包含通配符的正则表达式。

Returns:
包含与给定模式匹配的文件名的字符串列表。


tf.gfile.IsDirectory

tf.gfile.IsDirectory(dirname)

判断路径dirname是否为一目录。
Args:

  • dirname: string, 可能是目录的路径。

Returns:
如果路径是目录则返回True,否则返回False。


tf.gfile.ListDirectory

tf.gfile.ListDirectory(dirname)

返回目录中包含的所有文件。该列表按任意顺序排列。它不包含“.”和“…”。
Args:

  • dirname: string, 目录的路径。

Returns:
[filename1, filename2, … filenameN]


tf.gfile.MakeDirs

tf.gfile.MakeDirs(dirname)

创建目录和所有父/中间目录。如果dirname已存在且可覆盖,则成功。
Args:

  • dirname: string, 要创建的目录的名称。

tf.gfile.MkDir

tf.gfile.MkDir(dirname)

创建名为“dirname”的目录。
Args:

  • dirname: string, 要创建的目录的名称。

注意:父目录必须存在。如果父目录可能不存在,请使用recursive_create_dir替代。


tf.gfile.Remove

tf.gfile.Remove(filename)

删除’filename’文件。
Args:

  • filename: string, a filename

tf.gfile.Rename

tf.gfile.Rename(
   oldname,
   newname,
   overwrite=False
)

重命名或移动文件/目录。
Args:

  • oldname: string, 文件的路径名
  • newname: string, 需要移动的文件路径名
  • overwrite: boolean, 如果为false,则newname已存在则会报错。

tf.gfile.Stat

tf.gfile.Stat(filename)

返回给定路径的文件统计信息。
Args:

  • filename: string, 文件路径

Returns:
FileStatistics结构,包含有关路径的信息、


tf.gfile.Walk

tf.gfile.Walk(
    top,
    in_order=True
)

返回一生成器,可用于递归目录树
Args:

  • top: string, 目录名
  • in_order: bool, 如果为True,则按顺序遍历,否则无序遍历。

列出目录时发生的错误将被忽略。
Yields:
每个yield都是一个3元组:目录​​的路径名,后面是所有子目录和子文件的列表。(dirname, [subdirname, subdirname, …], [filename, filename, …])


类GFile和FastGFile

tf.gfile.GFile

tf.gfile.GFile(filename, mode)
获取文本操作句柄,类似于python提供的文本操作open()函数,filename是要打开的文件名,mode是以何种方式去读写,将会返回一个文本操作句柄。
tf.gfile.Open()是该接口的同名,可任意使用其中一个!

tf.gfile.FastGFile

和GFile相比以较快的方式获取文件操作句柄。注意对于非UTF-8的文件,例化对象时,使用’rb’模式。

Properties

mode
返回打开文件的模式。
name
返回文件名。

Methods

__init__

__init__(
    name,
    mode='r'
)

__enter__

__enter__()

使“with”语句可以使用。
__iter__

__iter__()

__next__

__next__()

close

close()

关闭FileIO。应该调用WritableFile进行刷新。
flush

flush()

刷新Writable文件。
这只能确保数据已经离开流程,而不保证它是否写入磁盘。这意味着数据将在应用程序崩溃后(不一定是操作系统崩溃)继续存在。
next

next()

read

read(n=-1)

以字符串形式返回文件的内容。
从文件中的当前位置开始读取。
Args:

  • n:如果n!= -1,则读取’n’个字节。如果n = -1,则读取到文件末尾。

Returns:
字节模式下文件(或整个文件)的’n’个字节,如果是字符串(常规)模式,则为字符串的’n’个字节。
readline

readline()

从文件中读取一行。不包括’\ n’。
readlines

readlines()

返回列表中文件的所有行。
size

size()

返回文件的大小。
tell

tell()

返回文件中的当前位置。
write

write(file_content)

将file_content写入文件。附加到文件末尾。

原文地址:https://blog.csdn.net/henry_fly/article/details/87898778

版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。

相关推荐


MNIST数据集可以说是深度学习的入门,但是使用模型预测单张MNIST图片得到数字识别结果的文章不多,所以本人查找资料,把代码写下,希望可以帮到大家~1#BudingyourfirstimageclassificationmodelwithMNISTdataset2importtensorflowastf3importnumpyasnp4impor
1、新建tensorflow环境(1)打开anacondaprompt,输入命令行condacreate-ntensorflowpython=3.6注意:尽量不要更起名字,不然环境容易出错在选择是否安装时输入“y”(即为“yes”)。其中tensorflow为新建的虚拟环境名称,可以按喜好自由选择。python=3.6为指定python版本为3
这篇文章主要介绍“张量tensor是什么”,在日常操作中,相信很多人在张量tensor是什么问题上存在疑惑,小编查阅了各式资料,整理出简单好用的操作方法,希望对大...
tensorflow中model.fit()用法model.fit()方法用于执行训练过程model.fit(训练集的输入特征,训练集的标签,batch_size,#每一个batch的大小epochs,#迭代次数validation_data=(测试集的输入特征,
https://blog.csdn.net/To_be_little/article/details/124438800 目录1、查看GPU的数量2、设置GPU加速3、单GPU模拟多GPU环境1、查看GPU的数量importtensorflowastf#查看gpu和cpu的数量gpus=tf.config.experimental.list_physical_devices(device_type='GPU')cpus=tf.c
根据身高推测体重const$=require('jquery');consttf=require('@tensorflowfjs');consttfvis=require('@tensorflowfjs-vis');/*根据身高推测体重*///把数据处理成符合模型要求的格式functiongetData(){//学习数据constheights=[150,151,160,161,16
#!/usr/bin/envpython2#-*-coding:utf-8-*-"""CreatedonThuSep610:16:372018@author:myhaspl@email:myhaspl@myhaspl.com二分法求解一元多次方程"""importtensorflowastfdeff(x):y=pow(x,3)*3+pow(x,2)*2-19return
 继续上篇的pyspark集成后,我们再来看看当今热的不得了的tensorflow是如何继承进pycharm环境的参考:http://blog.csdn.net/include1224/article/details/53452824思路其实很简单,说下要点吧1.python必须要3.564位版本(上一篇直接装的是64位版本的Anaconda)2.激活3.5版本的
首先要下载python3.6:https://www.python.org/downloadselease/python-361/接着下载:numpy-1.13.0-cp36-none-win_amd64.whl 安装这两个:安装python3.6成功,接着安装numpy.接着安装tensorflow: 最后测试一下: python3.6+tensorflow安装完毕,高深的AI就等着你去
参考书《TensorFlow:实战Google深度学习框架》(第2版)以下TensorFlow程序完成了从图像片段截取,到图像大小调整再到图像翻转及色彩调整的整个图像预处理过程。#!/usr/bin/envpython#-*-coding:UTF-8-*-#coding=utf-8"""@author:LiTian@contact:694317828@qq.com
参考:TensorFlow在windows上安装与简单示例写在开头:刚开始安装的时候,由于自己的Python版本是3.7,安装了好几次都失败了,后来发现原来是tensorflow不支持3.7版本的python,所以后来换成了Python3.6,就成功了。。。。。anconda:5.3.2python版本:3.6.8tensorflow版本:1.12.0安装Anconda
实验介绍数据采用CriteoDisplayAds。这个数据一共11G,有13个integerfeatures,26个categoricalfeatures。Spark由于数据比较大,且只在一个txt文件,处理前用split-l400000train.txt对数据进行切分。连续型数据利用log进行变换,因为从实时训练的角度上来判断,一般的标准化方式,
 1)登录需要一个 invitationcode,申请完等邮件吧,大概要3-5个小时;2)界面3)配置数据集,在右边列设置 
模型文件的保存tensorflow将模型保持到本地会生成4个文件:meta文件:保存了网络的图结构,包含变量、op、集合等信息ckpt文件:二进制文件,保存了网络中所有权重、偏置等变量数值,分为两个文件,一个是.data-00000-of-00001文件,一个是.index文件checkpoint文件:文本文件,记录了最新保持
原文地址:https://blog.csdn.net/jesmine_gu/article/details/81093686这里只是做个收藏,防止原链接失效importosimportnumpyasnpfromPILimportImageimporttensorflowastfimportmatplotlib.pyplotaspltangry=[]label_angry=[]disgusted=[]label_d
 首先声明参考博客:https://blog.csdn.net/beyond_xnsx/article/details/79771690?tdsourcetag=s_pcqq_aiomsg实践过程主线参考这篇博客,相应地方进行了变通。接下来记载我的实践过程。  一、GPU版的TensorFlow的安装准备工作:笔者电脑是Windows10企业版操作系统,在这之前已
1.tensorflow安装  进入AnacondaPrompt(windows10下按windows键可找到)a.切换到创建好的tensorflow36环境下:activatetensorflow36    b.安装tensorflow:pipinstlltensorflow    c.测试环境是否安装好       看到已经打印出了"h
必须走如下步骤:sess=tf.Session()sess.run(result)sess.close()才能执行运算。Withtf.Session()assess:Sess.run()通过会话计算结果:withsess.as_default():print(result.eval())表示输出result的值生成一个权重矩阵:tf.Variable(tf.random_normal([2,3]
tf.zeros函数tf.zeros(shape,dtype=tf.float32,name=None)定义在:tensorflow/python/ops/array_ops.py.创建一个所有元素都设置为零的张量. 该操作返回一个带有形状shape的类型为dtype张量,并且所有元素都设为零.例如:tf.zeros([3,4],tf.int32)#[[0,0,
一、Tensorflow基本概念1、使用图(graphs)来表示计算任务,用于搭建神经网络的计算过程,但其只搭建网络,不计算2、在被称之为会话(Session)的上下文(context)中执行图3、使用张量(tensor)表示数据,用“阶”表示张量的维度。关于这一点需要展开一下       0阶张量称