第一个tensorflow代码，100个数据切片，洗牌

最新推荐文章于 2025-10-10 16:38:15 发布

原创

最新推荐文章于 2025-10-10 16:38:15 发布 · 236 阅读

0 ·

CC 4.0 BY-SA版权

这篇博客介绍了作者初次尝试使用TensorFlow进行数据操作的经验，主要内容包括如何对100个数据进行切片以及如何实现数据的洗牌操作，为初学者提供了基础的 TensorFlow 应用示例。

第一个tensorflow代码，100个数据切片，洗牌

import tensorflow as tf
import  numpy as np
import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'

arr_list = np.arange(0, 100).astype

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

mikejahn

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

TensorFlow 数据集快速入门

10-24

这个方法会按数组的第一个维度进行切片，生成一个包含多个样本的 Dataset 对象。每个样本都是一个包含特征和对应标签的元素。这样创建的 Dataset 可以进一步处理，例如添加随机洗牌、重复和批处理操作，以适应模型...

C++洗牌算法

a13602955218的博客

04-05

509

void shuffle(vector<int>& v){ int n = v.size()-1; while(n){ //从下标[0,n]中随机挑选一个数，和v[n]交换(注意包括v[n]自己) int k = rand()%(n+1); swap(v[k],v[n]); --n; } } 为...

参与评论您还未登录，请先登录后发表或查看评论

第一个TensorFlow程序

qq_39251759的博客

10-01

266

MNIST数据集 MNIST数据集是一个大型的手写体数字数据库，通常用于训练各种图像处理系统，也被广泛用于机器学习领域的训练和测试。MNIST数据库中的图像集是NIST（National Institute of Standards and Technology）的两个数据库的组合：专用数据库1和特殊数据库3。数据集是有250人手写数字组成，50%是高中学生，50%是美国人口普查局。 MNIST数据集分为60,000张的训练数据集合10,000张的测试数据集，每张图像的大小为28x28（像素）；每张图像都为

TensorFlow 第一个程序

逆光飞翔

01-09

1003

第一个程序是安照书上的例子来的，但在执行中出现了没有matplotlib库，通过https://www.cnblogs.com/-1307/p/6529269.html提供的方法解决了此问题。 matplotlib是python中强大的画图模块。首先确保已经安装python，然后用pip来安装matplotlib模块。进入到cmd窗口下，执行python -m pip install -...

Tensorflow--Tensor操作包括 slice，分片等

Beryl的博客

12-13

470

给出对应的index，以及对象input，使用tf.gather(input,index)取出对应的tensor。可以根据不同的需求构建index，获取不同shape的tensor，更多示例可参见上述链接。为Tensor指定非连续的部分分片，并提取相关特征值。使用到的函数为tf.gather()

TF：Tensorflow结构简单应用，随机生成100个数，利用Tensorflow训练使其逼近已知线性直线的效率和截距—Jason niu...

aoduo9781的博客

01-22

199

import os os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' import tensorflow as tf import numpy as np x_data = np.random.rand(100).astype(np.float32) y_data = x_data*0.1 + 0.3 ...

38、使用 TensorFlow 加载和预处理数据

最新发布

github5actions的博客

10-10

本文深入介绍了如何使用 TensorFlow 的 Data API 高效加载和预处理大规模数据集。内容涵盖数据集的创建、链式转换、数据洗牌、交错读取、CSV 与图像数据的预处理，并结合 tf.keras 实现模型训练。文章还提供了性能优化技巧，如并行处理、预取、缓存等，并分析了常见问题及解决方案，帮助开发者提升深度学习 pipeline 的效率与稳定性。

机器学习实践—基于Scikit-Learn、Keras和TensorFlow2第二版—第13章使用TensorFlow加载和预处理数据(Chapter13 Loading and Preproces

bigcindy的博客

07-10

1522

目前为止，我们只使用了能放在内存中的数据集，而深度学习往往使用非常大而无法放在RAM中的数据集。其它深度学习库可能对处理这种大型数据集比较棘手，但是TensorFlow很容易完成，这得归功于其数据API(Data API)，即只需创建一个数据对象，然后赋值其数据位置和转换方法即可。TensorFlow会处理好各种细节，例如多线程、队列、批处理等等。同时TensorFlow数据API与tf.keras合作非常好。 TensorFlow数据API可以读取文本文件、二进制文件。TFRecord是一个易用且高效的

TensorFlow 2.0 学习笔记

happylls666的博客

12-08

820

tensorflow学习笔记

tensorflow一些常用代码

weixin_42017587的博客

09-10

235

<规约计算> 具有降维功能，所有reduce_xxx系列操作中，都在降维 axis的默认值为None，即把input_tensor降为一个数对于二维的input_tensor而言，axis=0，按列计算 axis=1, 按行计算 tf.reduce_mean：求平均值 <共享变量>（一个模型需要使用其他模型创建的变量，两个模型一起训练） get_variable方法，v...

深度学习利器： TensorFlow系统架构及高性能程序设计

weixin_30256505的博客

05-04

241

2015年11月9日谷歌开源了人工智能平台TensorFlow，同时成为2015年最受关注的开源项目之一。经历了从v0.1到v0.12的12个版本迭代后，谷歌于2017年2月15日发布了TensorFlow 1.0 版本，并同时在美国加州山景城举办了首届TensorFlow Dev Summit会议。 TensorFlow 1.0及Dev Summit（20...

TensorFlow-生成均匀分布随机数

LMengi000的博客

04-20

928

import tensorflow as tf f = tf.random.uniform([2,2],minval=0,maxval=1) print("f:",f) """ f: tf.Tensor( [[0.880005 0.91807914] [0.39310634 0.873947 ]], shape=(2, 2), dtype=float32) """

【基于tensorflow的学习】tensorflow的一些基本操作

Medlar Tea

11-09

262

1.CPU加速 第一个方法是从大神这学来的：https://blog.youkuaiyun.com/hq86937375/article/details/79696023 由于我用的是win7+cpu的tensorflow，所以可以使用一下语句来尽可能多地利用CPU。如果您的CPU支持AVX，AVX2和FMA，则应该从针对CPU优化的源构建tensorflow。在这个问题中已经讨论过这个问题，也是这个Gi...

tensorflow生成随机数的操作 tf.random_normal & tf.random_uniform & tf.truncated_normal & tf.random_shuffle

c20081052的专栏

04-14

1657

文章转自：https://blog.youkuaiyun.com/tz_zs/article/details/75948350tf.random_normal从正态分布输出随机值。[python] view plain copy random_normal(shape,mean=0.0,stddev=1.0,dtype=tf.float32,seed=None,name=None) shape：一个一维整数...

TensorFlow分布式全套（原理，部署，实例）

热门推荐

CodeMaster_的博客

07-28

2万+

TF的实现分为了单机实现和分布式实现，在分布式实现中，需要实现的是对client，master，worker process不在同一台机器上时的支持。数据量很大的情况下，单机跑深度学习程序，过于耗时，所以需要TensorFlow分布式并行。该实例是TF的经典入门实例手写字体识别MNIST基于分布式的实现，代码都加了中文注释，更加通俗易懂。GitHub实例地址：https://github.com/T

洗牌(shuffle)问题详解

bitcarmanlee的博客

08-14

6402

打扑克牌，打麻将的时候，都会有洗牌这个动作。洗牌问题其实很简单，如果有一个数组中有n个元素，怎样设计一个洗牌(shuffle)算法保证随机性。最简单的思路自然是新建一个新数组，每次从原数组中剩下的元素随机挑选一个放入新数组，知道原数组为空。考虑一下这种方式的随机性。一个元素shuffle以后位于第一个位置的概率为1n\frac{1}{n}，即第一次被抽中。出现在第二个位置的概率为： p=p(第

TensorFlow技术解析与实战 8 第一个tensorflow程序

Just for fun的专栏

12-16

913

TensorFlow的运行方式分如下4步：（1）加载数据及定义超参数（2）构建网络（3）训练模型（4）评估模型和进行预测 # -*- coding: utf-8 -*- import sys reload(sys) sys.setdefaultencoding('utf-8') import tensorflow as tf import numpy as np #

TensorFlow2.0 分批读取数据集、训练

猫ER

06-23

6395

目录头文件一、处理数据集（dogs vs cats）二、自定义构建模型三、训练模型实验结果头文件 import tensorflow as tf import os 一、处理数据集（dogs vs cats） data_dir = "D:/dataset/cats_and_dogs_filtered" train_cat_dir = data_dir + "/train/cats/" train_dog_dir = data_dir + "/train/dogs/" .

tensorflow生成随机数及实现随机采样

KEE_HA的博客

05-21

1万+

文章目录1. 生成随机数2. 随机采样2.1 实例代码3. 随机打乱数据 1. 生成随机数参考1 tf.random_normal:从正态分布中输出随机值。tf.random_normal(shape,mean=0.0,stddev=1.0,dtype=tf.float32,seed=None,name=None) tf.random_uniform：从均匀分布中返回随机值random_u...