超级会员免费看
在模型落地过程中，作者遇到了大数据输入的问题。针对Keras，介绍了如何利用DataGenerator和fit_generator来分批次处理内存占用高达30多个G的数据。通过修改模型，采用tf.keras.Dense并理解相关图像处理示例，转化为适用于非图像数据的形式。同时，作者提供了QQ群号供讨论相关问题。
哈喽。模型落地过程中遇到很多问题，我都要去经历、填坑。人生何处不是坑？？
有坑才有坑！
如果tf可以分批次读入内存数据【比如tfrecords,这个我最不推荐了，麻烦；比如自己写个next，边读边训练】，那么keras同样也可以，比如DataGenerater和fit_generator，下面我就试试我占用内存30多个G的数据。
1-首先我先把模型修改好，能训练数据。
采用tf.keras中的Dense可以重新写一个dense，然后进行训练数据。
大佬说让我看这个链接，比较难搞啊，它这是图像中的，而我需要将它读懂，简化成返回X，y这种形式。
另外有相关问题可以加入QQ群讨论，不设微信群
QQ群：868373192
语音深度学习及信号处理群
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
