Tensorflow一些代码Trick

本文介绍了TensorFlow中的一些代码技巧,包括图像归一化、矩阵操作和数据处理。内容涉及如何对图像进行行和列填充,使用tf.gfile.FastGFile读取图片,理解tf.train.Coordinator和tf.train.start_queue_runners的作用,以及批处理操作tf.train.batch。此外,还讲解了如何通过tf.tile()、tf.unstack与tf.stack来拆解和拼接矩阵,以及图像归一化到[-1, 1]的方法。" 88993474,7078587,Fabric 1.4 LTS环境搭建与票据应用实战,"['区块链', '超级账本', 'Fabric']
摘要由CSDN通过智能技术生成
# sklearn的train_test_split函数用于将矩阵随机划分为训练子集和测试子集,并返回划分好的训练集测试集样本和训练集测试集标签。
train_x, test_x, train_y, test_y = train_test_split(imgs, labs, test_size=0.05, random_state=random.randint(0, 100))

参数解释:

train_data:被划分的样本特征集

train_target:被划分的样本标签

test_size:如果是浮点数,在0-1之间,表示样本占比;如果是整数的话就是样本的数量

random_state:是随机数的种子。

随机数种子:其实就是该组随机数的编号,在需要重复试验的时候,保证得到一组一样的随机数。比如你每次都填1,其他参数一样的情况下你得到的随机数组是一样的。但填0或不填,每次都会不一样。

随机数的产生取决于种子,随机数和种子之间的关系遵从以下两个规则:

种子不同,产生不同的随机数;种子相同,即使实例不同也产生相同的随机数。

图片转换为np.array以后,都要进行归一化,除以255

labs = np.array([[0,1] if lab == my_faces_path else [1,0] for lab in labs])

框架下也封装了tf.app.flag

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