TensorFlow读取大批量数据，并批量输出

最新推荐文章于 2024-04-03 18:34:38 发布

然雪

最新推荐文章于 2024-04-03 18:34:38 发布

阅读量924

点赞数

分类专栏：算法编程文章标签： tensorflow 深度学习神经网络

本文链接：https://blog.csdn.net/qq_37116150/article/details/104674366

版权

该博客详细介绍了如何在TensorFlow中有效地读取和处理大批量数据，以优化深度学习模型的训练过程。通过合理组织数据输入，实现批量输出，提升了神经网络的训练效率。

摘要由CSDN通过智能技术生成

import tensorflow as tf
import numpy as np
import os

def get_file(file_dir):
    images = []
    temp = []
    for root, sub_folders, files in os.walk(file_dir):
        for name in files:
            images.append(os.path.join(root, name)) # 将所有图片的路径包含图片名保存在images列表中
        for name in sub_folders:
            temp.append(os.path.join(root, name))  # 将所有子文件夹路径保存在temp列表中

    labels = []
    for one_folder in temp:
        n_img = len(os.listdir(one_folder))
        letter = one_folder.split("\\")[-1]
        if letter == 'cat':     # 制作标签，数据集为猫狗大战数据集，为两个类别
            labels = np.append(labels, n_img*[0])
        else:
            labels = np.append(labels, n_img*[1])

    Temp = np.array([images, labels])  # 将图片地址与图片标签组合为一个2 X n矩阵
    # print(Temp.shape)
    Temp = Temp.transpose() # 对矩阵进行转置，使每行数据为图片地址及对应的标签
    # print(Temp.shape)
    # np.random.shuffle(Temp) # 对矩阵按