快捷導(dǎo)航

python神經(jīng)網(wǎng)絡(luò)之批量學(xué)習(xí)tf.train.batch函數(shù)示例

更新時(shí)間：2022年05月04日 11:00:36 作者：Bubbliiiing

這篇文章主要為大家介紹了python神經(jīng)網(wǎng)絡(luò)之批量學(xué)習(xí)tf.train.batch函數(shù)示例，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪

學(xué)習(xí)前言

當(dāng)我在快樂(lè)的學(xué)習(xí)SSD訓(xùn)練部分的時(shí)候，我發(fā)現(xiàn)了一個(gè)batch我看不太懂，主要是因?yàn)閠frecords的數(shù)據(jù)讀取方式我不理解，所以好好學(xué)一下batch吧

tf.train.batch函數(shù)

tf.train.batch(
    tensors,
    batch_size,
    num_threads=1,
    capacity=32,
    enqueue_many=False,
    shapes=None,
    dynamic_pad=False,
    allow_smaller_final_batch=False,
    shared_name=None,
    name=None
)

其中：

1、tensors：利用slice_input_producer獲得的數(shù)據(jù)組合。

2、batch_size：設(shè)置每次從隊(duì)列中獲取出隊(duì)數(shù)據(jù)的數(shù)量。

3、num_threads：用來(lái)控制線程的數(shù)量，如果其值不唯一，由于線程執(zhí)行的特性，數(shù)據(jù)獲取可能變成亂序。

4、capacity：一個(gè)整數(shù)，用來(lái)設(shè)置隊(duì)列中元素的最大數(shù)量

5、allow_samller_final_batch：當(dāng)其為T(mén)rue時(shí)，如果隊(duì)列中的樣本數(shù)量小于batch_size，出隊(duì)的數(shù)量會(huì)以最終遺留下來(lái)的樣本進(jìn)行出隊(duì)；當(dāng)其為False時(shí)，小于batch_size的樣本不會(huì)做出隊(duì)處理。

6、name：名字

測(cè)試代碼

1、allow_samller_final_batch=True

import pandas as pd
import numpy as np
import tensorflow as tf
# 生成數(shù)據(jù)
def generate_data():
    num = 18
    label = np.arange(num)
    return label
# 獲取數(shù)據(jù)
def get_batch_data():
    label = generate_data()
    input_queue = tf.train.slice_input_producer([label], shuffle=False,num_epochs=2)
    label_batch = tf.train.batch(input_queue, batch_size=5, num_threads=1, capacity=64,allow_smaller_final_batch=True)
    return label_batch
# 數(shù)據(jù)組
label = get_batch_data()
sess = tf.Session()
# 初始化變量
sess.run(tf.global_variables_initializer())
sess.run(tf.local_variables_initializer())
# 初始化batch訓(xùn)練的參數(shù)
coord = tf.train.Coordinator()
threads = tf.train.start_queue_runners(sess,coord)
try:
    while not coord.should_stop():
        # 自動(dòng)獲取下一組數(shù)據(jù)
        l = sess.run(label)
        print(l)
except tf.errors.OutOfRangeError:
    print('Done training')
finally:
    coord.request_stop()
coord.join(threads)
sess.close()

運(yùn)行結(jié)果為：

[0 1 2 3 4]
[5 6 7 8 9]
[10 11 12 13 14]
[15 16 17 0 1]
[2 3 4 5 6]
[ 7 8 9 10 11]
[12 13 14 15 16]
[17]
Done training

2、allow_samller_final_batch=False

相比allow_samller_final_batch=True，輸出結(jié)果少了[17]

import pandas as pd
import numpy as np
import tensorflow as tf
# 生成數(shù)據(jù)
def generate_data():
    num = 18
    label = np.arange(num)
    return label
# 獲取數(shù)據(jù)
def get_batch_data():
    label = generate_data()
    input_queue = tf.train.slice_input_producer([label], shuffle=False,num_epochs=2)
    label_batch = tf.train.batch(input_queue, batch_size=5, num_threads=1, capacity=64,allow_smaller_final_batch=False)
    return label_batch
# 數(shù)據(jù)組
label = get_batch_data()
sess = tf.Session()
# 初始化變量
sess.run(tf.global_variables_initializer())
sess.run(tf.local_variables_initializer())
# 初始化batch訓(xùn)練的參數(shù)
coord = tf.train.Coordinator()
threads = tf.train.start_queue_runners(sess,coord)
try:
    while not coord.should_stop():
        # 自動(dòng)獲取下一組數(shù)據(jù)
        l = sess.run(label)
        print(l)
except tf.errors.OutOfRangeError:
    print('Done training')
finally:
    coord.request_stop()
coord.join(threads)
sess.close()

運(yùn)行結(jié)果為：

[0 1 2 3 4]
[5 6 7 8 9]
[10 11 12 13 14]
[15 16 17 0 1]
[2 3 4 5 6]
[ 7 8 9 10 11]
[12 13 14 15 16]
Done training

以上就是python神經(jīng)網(wǎng)絡(luò)之批量學(xué)習(xí)tf.train.batch函數(shù)示例的詳細(xì)內(nèi)容，更多關(guān)于python神經(jīng)網(wǎng)絡(luò)tf.train.batch的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！

您可能感興趣的文章: