快捷導(dǎo)航

TensorFlow dataset.shuffle、batch、repeat的使用詳解

更新時(shí)間：2020年01月21日 09:24:25 作者：sgyuanshi

今天小編就為大家分享一篇TensorFlow dataset.shuffle、batch、repeat的使用詳解，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧

直接看代碼例子，有詳細(xì)注釋?。?/p>

import tensorflow as tf
import numpy as np


d = np.arange(0,60).reshape([6, 10])

# 將array轉(zhuǎn)化為tensor
data = tf.data.Dataset.from_tensor_slices(d)

# 從data數(shù)據(jù)集中按順序抽取buffer_size個(gè)樣本放在buffer中，然后打亂buffer中的樣本
# buffer中樣本個(gè)數(shù)不足buffer_size，繼續(xù)從data數(shù)據(jù)集中安順序填充至buffer_size，
# 此時(shí)會(huì)再次打亂
data = data.shuffle(buffer_size=3)

# 每次從buffer中抽取4個(gè)樣本
data = data.batch(4)

# 將data數(shù)據(jù)集重復(fù)，其實(shí)就是2個(gè)epoch數(shù)據(jù)集
data = data.repeat(2)

# 構(gòu)造獲取數(shù)據(jù)的迭代器
iters = data.make_one_shot_iterator()

# 每次從迭代器中獲取一批數(shù)據(jù)
batch = iters.get_next()

sess = tf.Session()

sess.run(batch)
# 數(shù)據(jù)集完成遍歷完之后，繼續(xù)抽取的話會(huì)報(bào)錯(cuò)：OutOfRangeError

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]])

從輸出結(jié)果可以看出：

shuffle是按順序?qū)?shù)據(jù)放入buffer里面的；

當(dāng)repeat函數(shù)在shuffle之后的話，是將一個(gè)epoch的數(shù)據(jù)集抽取完畢，再進(jìn)行下一個(gè)epoch的。

那么，當(dāng)repeat函數(shù)在shuffle之前會(huì)怎么樣呢？如下：

data = data.repeat(2)

data = data.shuffle(buffer_size=3)

data = data.batch(4)

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，其實(shí)它就是先將數(shù)據(jù)集復(fù)制一遍，然后把兩個(gè)epoch當(dāng)成同一個(gè)新的數(shù)據(jù)集，一直shuffle和batch下去。

以上這篇TensorFlow dataset.shuffle、batch、repeat的使用詳解就是小編分享給大家的全部?jī)?nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。

您可能感興趣的文章:

相關(guān)文章

使用pytorch完成kaggle貓狗圖像識(shí)別方式
今天小編就為大家分享一篇使用pytorch完成kaggle貓狗圖像識(shí)別方式，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧
2020-01-01
使用Python實(shí)現(xiàn)pdf轉(zhuǎn)圖片再進(jìn)行OCR識(shí)別
這篇文章主要為大家詳細(xì)介紹了如何使用Python實(shí)現(xiàn)pdf轉(zhuǎn)圖片再進(jìn)行OCR識(shí)別功能,文中的示例代碼講解詳細(xì),感興趣的小伙伴可以跟隨小編一起學(xué)習(xí)一下
2025-04-04
python通過http上傳文件思路詳解
這篇文章主要介紹了python通過http上傳文件,在post請(qǐng)求中，用files參數(shù)來接受文件對(duì)象相關(guān)的參數(shù)，通過data/json參數(shù)接受post請(qǐng)求體的其他參數(shù)
2021-07-07
Python jieba庫(kù)分詞模式實(shí)例用法
在本篇文章里小編給大家分享的是一篇關(guān)于Python jieba庫(kù)分詞模式實(shí)例用法，有興趣的朋友們可以學(xué)習(xí)參考下。
2021-01-01
這篇文章主要介紹了Python3.5局部變量與全局變量作用域,結(jié)合實(shí)例形式分析了Python3.5局部變量與全局變量的定義、作用域及相關(guān)操作注意事項(xiàng),需要的朋友可以參考下
2019-04-04