日期:2020.03.17
资料:《深度学习之Tensorflow工程化项目实战》
章节:第四章
代码分析:
**·**实例4.1:
line17: yield train_X, train_Y
分析:yield的加入使得函数与类变为可迭代的对象
**·**实例4.3:
line23:filename_path = os.sep.join([dirpath, filename])
分析:os.sep.join(),相较于os.path.join(),不仅实现了路径的拼接,还解决了windows和ubuntu下不同路径分隔符读取的问题,增强代码的兼容性
line89: coord = tf.train.Coordinator()
threads = tf.train.start_queue_runners(sess = sess,coord = coord)
分析:tf中sess的多线程队列的开启
line48:image_batch,label_batch = tf.train.batch([image,label],
batch_size = batch_size,
num_threads = 64)
分析:调用tf.train.batch函数生成批次数据,在搭建网络中可以使用
本文深入探讨了《深度学习之Tensorflow工程化项目实战》一书中的关键代码片段,包括yield在Python中的运用,使函数成为可迭代对象;os.sep.join()用于路径拼接,提升代码跨平台兼容性;tf.train.batch函数生成批次数据的方法,以及tf中sess的多线程队列启动技巧。此外,还介绍了bmp格式图像和Tensorflow内置图像处理库的基本知识。
1751

被折叠的 条评论
为什么被折叠?



