TensorFlow数据输入方法
本文介绍了TensorFlow中几种常见的数据输入方式，包括使用`tf.train.string_input_producer`创建文件队列，通过不同类型的记录阅读器如`tf.XXXRecoder`读取数据，以及如何利用`tf.train.batch`和`tf.train.shuffle_batch`进行数据批处理和随机化。此外，还详细解释了如何使用TFRecord格式来存储和读取数据集。
TensorFlow 输入数据的方式
# 从 filename_queue = tf.train.string_input_producer(filenames) 开始
reader = tf.XXXRecoder()
reader.read(filename_queue)
tf.train.batch([example, label], batch_size=batch_size, capacity=capacity)
tf.train.shuffle_batch([example, label], batch_size=batch_size, capacity=capacity, min_after_dequeue)
# [example, label] 为 tensor不用tf 的tensor
直接把image 和标签 feed进去使用tfrecorder
先将数据集制作成 TFRecorder
然后读取TFRecorder
您可能感兴趣的与本文相关的镜像
TensorFlow-v2.15
TensorFlow 是由Google Brain 团队开发的开源机器学习框架,广泛应用于深度学习研究和生产环境。 它提供了一个灵活的平台,用于构建和训练各种机器学习模型
251
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
扫一扫
