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


   
   
  1. tf.train.batch(
  2. tensors,
  3. batch_size,
  4. num_threads= 1,
  5. capacity= 32,
  6. enqueue_many= False,
  7. shapes= None,
  8. dynamic_pad= False,
  9. allow_smaller_final_batch= False,
  10. shared_name= None,
  11. name= None
  12. )

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


   
   
  1. import numpy as np
  2. import tensorflow as tf
  3. def next_batch():
  4. datasets = np.asarray(range( 0, 20))
  5. input_queue = tf.train.slice_input_producer([datasets],shuffle= False,num_epochs= 1)
  6. data_batchs = tf.train.batch(input_queue,batch_size= 5,num_threads= 1,
  7. capacity= 20,allow_smaller_final_batch= False)
  8. return data_batchs
  9. if __name__ == "__main__":
  10. data_batchs = next_batch()
  11. sess = tf.Session()
  12. sess.run(tf.initialize_local_variables())
  13. coord = tf.train.Coordinator()
  14. threads = tf.train.start_queue_runners(sess,coord)
  15. try:
  16. while not coord.should_stop():
  17. data = sess.run([data_batchs])
  18. print(data)
  19. except tf.errors.OutOfRangeError:
  20. print( "complete")
  21. finally:
  22. coord.request_stop()
  23. coord.join(threads)
  24. 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

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值