tensorflow2.0 csv文件

在 TensorFlow 2.0 中，你可以使用 `tf.data` 模块来读取 CSV 文件。以下是一个示例代码，它演示了如何使用 `tf.data.experimental.CsvDataset()` 函数从 CSV 文件中读取数据：

import tensorflow as tf

# 定义 CSV 文件的列名和默认值
CSV_COLUMN_NAMES = ['SepalLength', 'SepalWidth', 'PetalLength', 'PetalWidth', 'Species']
SPECIES = ['Setosa', 'Versicolor', 'Virginica']
DEFAULTS = [[0.0], [0.0], [0.0], [0.0], [0]]

# 读取 CSV 文件
def load_data(file_path):
    dataset = tf.data.experimental.CsvDataset(
        file_path,
        record_defaults=DEFAULTS,
        header=True,
        field_delim=','
    )

    # 将数据转换为 (features, label) 对
    def _parse_csv_row(*vals):
        features = dict(zip(CSV_COLUMN_NAMES, vals))
        label = features.pop('Species')
        return features, tf.argmax(tf.equal(label, SPECIES))

    return dataset.map(_parse_csv_row)

# 加载训练数据和测试数据
train_data = load_data('train.csv')
test_data = load_data('test.csv')

其中，`tf.data.experimental.CsvDataset()` 函数的参数解释如下：

- `file_path`：CSV 文件路径；
- `record_defaults`：每个列的默认值；
- `header`：是否包含标题行；
- `field_delim`：分隔符。

接下来，你可以使用 `train_data` 和 `test_data` 来训练和测试模型。