gpt4 book ai didi

TensorFlow dataset.shuffle、batch、repeat的使用详解

转载 作者:qq735679552 更新时间:2022-09-29 22:32:09 40 4
gpt4 key购买 nike

CFSDN坚持开源创造价值,我们致力于搭建一个资源共享平台,让每一个IT人在这里找到属于你的精彩世界.

这篇CFSDN的博客文章TensorFlow dataset.shuffle、batch、repeat的使用详解由作者收集整理,如果你对这篇文章有兴趣,记得点赞哟.

直接看代码例子,有详细注释!! 。

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
import tensorflow as tf
import numpy as np
 
 
d = np.arange( 0 , 60 ).reshape([ 6 , 10 ])
 
# 将array转化为tensor
data = tf.data.Dataset.from_tensor_slices(d)
 
# 从data数据集中按顺序抽取buffer_size个样本放在buffer中,然后打乱buffer中的样本
# buffer中样本个数不足buffer_size,继续从data数据集中安顺序填充至buffer_size,
# 此时会再次打乱
data = data.shuffle(buffer_size = 3 )
 
# 每次从buffer中抽取4个样本
data = data.batch( 4 )
 
# 将data数据集重复,其实就是2个epoch数据集
data = data.repeat( 2 )
 
# 构造获取数据的迭代器
iters = data.make_one_shot_iterator()
 
# 每次从迭代器中获取一批数据
batch = iters.get_next()
 
sess = tf.Session()
 
sess.run(batch)
# 数据集完成遍历完之后,继续抽取的话会报错:OutOfRangeError
?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
In [ 21 ]: d
Out[ 21 ]:
array([[ 0 , 1 , 2 , 3 , 4 , 5 , 6 , 7 , 8 , 9 ],
   [ 10 , 11 , 12 , 13 , 14 , 15 , 16 , 17 , 18 , 19 ],
   [ 20 , 21 , 22 , 23 , 24 , 25 , 26 , 27 , 28 , 29 ],
   [ 30 , 31 , 32 , 33 , 34 , 35 , 36 , 37 , 38 , 39 ],
   [ 40 , 41 , 42 , 43 , 44 , 45 , 46 , 47 , 48 , 49 ],
   [ 50 , 51 , 52 , 53 , 54 , 55 , 56 , 57 , 58 , 59 ]])
In [ 22 ]: sess.run(batch)
Out[ 22 ]:
array([[ 0 , 1 , 2 , 3 , 4 , 5 , 6 , 7 , 8 , 9 ],
   [ 30 , 31 , 32 , 33 , 34 , 35 , 36 , 37 , 38 , 39 ],
   [ 20 , 21 , 22 , 23 , 24 , 25 , 26 , 27 , 28 , 29 ],
   [ 10 , 11 , 12 , 13 , 14 , 15 , 16 , 17 , 18 , 19 ]])
 
In [ 23 ]: sess.run(batch)
Out[ 23 ]:
array([[ 40 , 41 , 42 , 43 , 44 , 45 , 46 , 47 , 48 , 49 ],
   [ 50 , 51 , 52 , 53 , 54 , 55 , 56 , 57 , 58 , 59 ]])

从输出结果可以看出:

shuffle是按顺序将数据放入buffer里面的; 。

当repeat函数在shuffle之后的话,是将一个epoch的数据集抽取完毕,再进行下一个epoch的.

那么,当repeat函数在shuffle之前会怎么样呢?如下:

?
1
2
3
4
5
data = data.repeat( 2 )
 
data = data.shuffle(buffer_size = 3 )
 
data = data.batch( 4 )
?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
In [ 25 ]: sess.run(batch)
Out[ 25 ]:
array([[ 10 , 11 , 12 , 13 , 14 , 15 , 16 , 17 , 18 , 19 ],
   [ 20 , 21 , 22 , 23 , 24 , 25 , 26 , 27 , 28 , 29 ],
   [ 0 , 1 , 2 , 3 , 4 , 5 , 6 , 7 , 8 , 9 ],
   [ 40 , 41 , 42 , 43 , 44 , 45 , 46 , 47 , 48 , 49 ]])
 
In [ 26 ]: sess.run(batch)
Out[ 26 ]:
array([[ 50 , 51 , 52 , 53 , 54 , 55 , 56 , 57 , 58 , 59 ],
   [ 0 , 1 , 2 , 3 , 4 , 5 , 6 , 7 , 8 , 9 ],
   [ 30 , 31 , 32 , 33 , 34 , 35 , 36 , 37 , 38 , 39 ],
   [ 30 , 31 , 32 , 33 , 34 , 35 , 36 , 37 , 38 , 39 ]])
 
In [ 27 ]: sess.run(batch)
Out[ 27 ]:
array([[ 10 , 11 , 12 , 13 , 14 , 15 , 16 , 17 , 18 , 19 ],
   [ 50 , 51 , 52 , 53 , 54 , 55 , 56 , 57 , 58 , 59 ],
   [ 20 , 21 , 22 , 23 , 24 , 25 , 26 , 27 , 28 , 29 ],
   [ 40 , 41 , 42 , 43 , 44 , 45 , 46 , 47 , 48 , 49 ]])

可以看出,其实它就是先将数据集复制一遍,然后把两个epoch当成同一个新的数据集,一直shuffle和batch下去.

以上这篇TensorFlow dataset.shuffle、batch、repeat的使用详解就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持我.

原文链接:https://blog.csdn.net/sgyuanshi/article/details/90183610 。

最后此篇关于TensorFlow dataset.shuffle、batch、repeat的使用详解的文章就讲到这里了,如果你想了解更多关于TensorFlow dataset.shuffle、batch、repeat的使用详解的内容请搜索CFSDN的文章或继续浏览相关文章,希望大家以后支持我的博客! 。

40 4 0
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com