python神经网络之批量学习tf.train.batch函数示例
学习前言
当我在快乐的学习SSD训练部分的时候，我发现了一个batch我看不太懂，主要是因为tfrecords的数据读取方式我不理解，所以好好学一下batch吧
tf.train.batch函数
tf.train.batch(
tensors,
batch_size,
num_threads=1,
capacity=32,
enqueue_many=False,
shapes=None,
dynamic_pad=False,
allow_smaller_final_batch=False,
shared_name=None,
name=None
)
其中：
1、tensors：利用slice_input_producer获得的数据组合。
2、batch_size：设置每次从队列中获取出队数据的数量。
3、num_threads：用来控制线程的数量，如果其值不唯一，由于线程执行的特性，数据获取可能变成乱序。
4、capacity：一个整数，用来设置队列中元素的最大数量
5、allow_samller_final_batch：当其为True时，如果队列中的样本数量小于batch_size，出队的数量会以最终遗留下来的样本进行出队；当其为False时，小于batch_size的样本不会做出队处理。
6、name：名字
测试代码
1、allow_samller_final_batch=True
import pandas as pd
import numpy as np
import tensorflow as tf
# 生成数据
def generate_data():
num = 18
label = np.arange(num)
return label
# 获取数据
def get_batch_data():
label = generate_data()
input_queue = tf.train.slice_input_producer([label], shuffle=False,num_epochs=2)
label_batch = tf.train.batch(input_queue, batch_size=5, num_threads=1, capacity=64,allow_smaller_final_batch=True)
return label_batch
# 数据组
label = get_batch_data()
sess = tf.Session()
# 初始化变量
sess.run(tf.global_variables_initializer())
sess.run(tf.local_variables_initializer())
# 初始化batch训练的参数
coord = tf.train.Coordinator()
threads = tf.train.start_queue_runners(sess,coord)
try:
while not coord.should_stop():
# 自动获取下一组数据
l = sess.run(label)
print(l)
except tf.errors.OutOfRangeError:
print('Done training')
finally:
coord.request_stop()
coord.join(threads)
sess.close()
运行结果为：
[0 1 2 3 4]
[5 6 7 8 9]
[10 11 12 13 14]
[15 16 17 0 1]
[2 3 4 5 6]
[ 7 8 9 10 11]
[12 13 14 15 16]
[17]
Done training
2、allow_samller_final_batch=False
相比allow_samller_final_batch=True，输出结果少了[17]
import pandas as pd
import numpy as np
import tensorflow as tf
# 生成数据
def generate_data():
num = 18
label = np.arange(num)
return label
# 获取数据
def get_batch_data():
label = generate_data()
input_queue = tf.train.slice_input_producer([label], shuffle=False,num_epochs=2)
label_batch = tf.train.batch(input_queue, batch_size=5, num_threads=1, capacity=64,allow_smaller_final_batch=False)
return label_batch
# 数据组
label = get_batch_data()
sess = tf.Session()
# 初始化变量
sess.run(tf.global_variables_initializer())
sess.run(tf.local_variables_initializer())
# 初始化batch训练的参数
coord = tf.train.Coordinator()
threads = tf.train.start_queue_runners(sess,coord)
try:
while not coord.should_stop():
# 自动获取下一组数据
l = sess.run(label)
print(l)
except tf.errors.OutOfRangeError:
print('Done training')
finally:
coord.request_stop()
coord.join(threads)
sess.close()
运行结果为：
[0 1 2 3 4]
[5 6 7 8 9]
[10 11 12 13 14]
[15 16 17 0 1]
[2 3 4 5 6]
[ 7 8 9 10 11]
[12 13 14 15 16]
Done training
以上就是python神经网络之批量学习tf.train.batch函数示例的详细内容，更多关于python神经网络tf.train.batch的资料请关注脚本之家其它相关文章！
相关文章
这篇文章主要介绍了python匿名函数lambda原理及实例解析,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下2020-02-02
Python+selenium实现趣头条的视频自动上传与发布
本文主要介绍了通过Python+selenium实现趣头条的短视频自动上传与发布功能，同时支持抖音、快手、b站、小红书等平台的视频自动化同步发布。需要的朋友可以参考一下2021-12-12
最近在学习python3，正巧遇到了一些json的操作，索性整理一下分享出来，下面这篇文章主要给大家介绍了关于Python3.x对JSON的一些操作，需要的朋友可以参考借鉴，下面随着小编来一起学习学习吧。2017-09-09
pytorch 实现cross entropy损失函数计算方式
今天小编就为大家分享一篇pytorch 实现cross entropy损失函数计算方式，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2020-01-01
这篇文章主要介绍了Python爬取12306车次信息代码详解,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下2020-08-08
Python cx_freeze打包工具处理问题思路及解决办法
这篇文章主要介绍了Python cx_freeze打包工具处理问题思路及解决办法的相关资料,需要的朋友可以参考下2016-02-02
这篇文章主要介绍了python BeautifulSoup库的安装与使用，帮助大家更好的理解和使用python，感兴趣的朋友可以了解下2020-12-12
这篇文章主要为大家详细介绍了Python利用Django完整的开发一个博客系统，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2018-03-03
这篇文章主要介绍了如何使用python切换hosts文件,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下2020-04-04
这篇文章主要介绍了Python实现提取文章摘要的方法,实例分析了Python提取文章摘要的原理与实现技巧,需要的朋友可以参考下2015-04-04
最新评论