深度学习Tensorflow工程化项目实战 读书笔记(03.17)

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。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

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


相关补充

1,bmp格式:又称24位图
2,Tensorflow内置图像处理库:tf.image

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值