【Tensorflow2.0】去掉不足一个batch的多余数据

最新推荐文章于 2024-04-08 17:00:46 发布

转载最新推荐文章于 2024-04-08 17:00:46 发布 · 760 阅读

CC 4.0 BY-SA版权

原文链接：https://stackoverflow.com/questions/70313390/invalidargumenterrorinput-to-reshape-is-a-tensor-with-405000-values-but-the-re/70324682#70324682

文章标签：

#batch #tensorflow #深度学习

tensorflow2.0 专栏收录该内容

1 篇文章

订阅专栏

在TensorFlow中，当创建批次数据集时，`drop_remainder=True`参数用于确保批次大小始终为指定值。这在批处理过程中可能会丢弃不足一整个批次的数据点，但能保证训练过程的效率和一致性。例如，通过`tf.data.Dataset.from_tensor_slices`创建数据集，并用shuffle和batch方法进行预处理。

部署运行你感兴趣的模型镜像

需要在数据的的batch中添加drop_remainder=True即可

类似，如：

train_dataset = tf.data.Dataset.from_tensor_slices((train_data, train_labels))
train_dataset = train_dataset.shuffle(buffer_size=1024).batch(BATCH_SIZE, drop_remainder=True)

您可能感兴趣的与本文相关的镜像