tensorflow之tf.train.batch详解

官方文档链接：https://tensorflow.google.cn/versions/r1.8/api_docs/python/tf/train/batch

   
   

     
     

      
      

     
     
     
     

      
      

       
       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
      
      
     
     

     
     

      
      

     
     
     
     

      
      

       
       )
      
      
     
     
   
   

函数功能：利用一个tensor的列表或字典来获取一个batch数据

参数介绍：

• tensors：一个列表或字典的tensor用来进行入队
• batch_size：设置每次从队列中获取出队数据的数量
• num_threads：用来控制入队tensors线程的数量，如果num_threads大于1，则batch操作将是非确定性的，输出的batch可能会乱序
• capacity：一个整数，用来设置队列中元素的最大数量
• enqueue_many：在tensors中的tensor是否是单个样本
• shapes：可选，每个样本的shape，默认是tensors的shape
• dynamic_pad：Boolean值.允许输入变量的shape，出队后会自动填补维度，来保持与batch内的shapes相同
• allow_samller_final_batch：可选，Boolean值，如果为True队列中的样本数量小于batch_size时，出队的数量会以最终遗留下来的样本进行出队，如果为Flalse，小于batch_size的样本不会做出队处理
• shared_name：可选，通过设置该参数，可以对多个会话共享队列
• name：可选，操作的名字

从数组中每次获取一个batch_size的数据

   
   

     
     

      
      

     
     
     
     

      
      

       
       import numpy 
       
       as np
      
      
     
     

     
     

      
      

     
     
     
     

      
      

       
       import tensorflow 
       
       as tf
      
      
     
     

     
     

      
      

     
     
     
     

      
      
 
      
      
     
     

     
     

      
      

     
     
     
     

      
      

       
       def next_batch():
      
      
     
     

     
     

      
      

     
     
     
     

      
      

       
           datasets =  np.asarray(range(
       
       0,
       
       20))
      
      
     
     

     
     

      
      

     
     
     
     

      
      

       
           input_queue = tf.train.slice_input_producer([datasets],shuffle=
       
       False,num_epochs=
       
       1)
      
      
     
     

     
     

      
      

     
     
     
     

      
      

       
           data_batchs = tf.train.batch(input_queue,batch_size=
       
       5,num_threads=
       
       1,
      
      
     
     

     
     

      
      

     
     
     
     

      
      

       
                                                    capacity=
       
       20,allow_smaller_final_batch=
       
       False)
      
      
     
     

     
     

      
      

     
     
     
     

      
      
    
       
       return data_batchs
      
      
     
     

     
     

      
      

     
     
     
     

      
      
 
      
      
     
     

     
     

      
      

     
     
     
     

      
      

       
       if __name__ == 
       
       "__main__":
      
      
     
     

     
     

      
      

     
     
     
     

      
      

       
           data_batchs = next_batch()
      
      
     
     

     
     

      
      

     
     
     
     

      
      

       
           sess = tf.Session()
      
      
     
     

     
     

      
      

     
     
     
     

      
      

       
           sess.run(tf.initialize_local_variables())
      
      
     
     

     
     

      
      

     
     
     
     

      
      

       
           coord = tf.train.Coordinator()
      
      
     
     

     
     

      
      

     
     
     
     

      
      

       
           threads = tf.train.start_queue_runners(sess,coord)
      
      
     
     

     
     

      
      

     
     
     
     

      
      
    
       
       try:
      
      
     
     

     
     

      
      

     
     
     
     

      
      
        
       
       while 
       
       not coord.should_stop():
      
      
     
     

     
     

      
      

     
     
     
     

      
      

       
                   data = sess.run([data_batchs])
      
      
     
     

     
     

      
      

     
     
     
     

      
      

       
                   print(data)
      
      
     
     

     
     

      
      

     
     
     
     

      
      
    
       
       except tf.errors.OutOfRangeError:
      
      
     
     

     
     

      
      

     
     
     
     

      
      

       
               print(
       
       "complete")
      
      
     
     

     
     

      
      

     
     
     
     

      
      
    
       
       finally:
      
      
     
     

     
     

      
      

     
     
     
     

      
      

       
               coord.request_stop()
      
      
     
     

     
     

      
      

     
     
     
     

      
      

       
           coord.join(threads)
      
      
     
     

     
     

      
      

     
     
     
     

      
      

       
           sess.close()
      
      
     
     
   
   

注意：tf.train.batch这个函数的实现是使用queue，queue的QueueRunner被添加到当前计算图的"QUEUE_RUNNER"集合中，所在使用初始化器的时候，需要使用tf.initialize_local_variables()，如果使用tf.global_varialbes_initialize()时，会报： Attempting to use uninitialized value 

更多参考：

https://blog.csdn.net/weixin_44606212/article/details/88644327