【Tensorflow2.0】去掉不足一个batch的多余数据

玄月无疆

于 2021-12-13 09:41:07 发布

阅读量699

点赞数

分类专栏： tensorflow2.0 文章标签： batch tensorflow 深度学习

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

版权

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。

摘要由CSDN通过智能技术生成

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)