复现论文常用函数（一）tf.one_hot，tf.train.batch，tf.train.shuffle_batch，数据读取机制，获取文件路径，Bunch等

最新推荐文章于 2020-12-17 16:09:25 发布

无名wxd

最新推荐文章于 2020-12-17 16:09:25 发布

阅读量694

点赞数

分类专栏： TensorFlow 文章标签： tensorflow

本文链接：https://blog.csdn.net/shanlepu6038/article/details/84791356

版权

本文介绍了TensorFlow中的一些常用函数，包括tf.one_hot用于one-hot编码，tf.train.batch和tf.train.shuffle_batch分别用于有序和无序数据批处理，详细解析了数据读取机制，包括文件队列和内存队列的使用。此外，还提到了获取文件路径的方法，Bunch类的使用，以及tf.Assert、tf.control_dependencies和tf.stack等函数的用途。

摘要由CSDN通过智能技术生成

1.tf.one_hot(input, len)
该函数用于将输入input转化为one-hot形式的向量
第一个参数input表示输入
第二个参数len表示one-hot的长度
如：input = [0,1,3]
output = tf.one_hot(input, 4)
#output为：
#[[1,0,0,0],[0,1,0,0],[0,0,0,1]]

2.tf.train.batch([example, label], batch_size=batch_size, capacity=capacity)
该函数用于将数据组织成为一个batch，且是有序的
第一个和第二个参数的含义字面意思就清楚了，不赘述
capacity表示的是队列容量

3.tf.train.shuffle_batch(
tensor_list, batch_size, capacity, min_after_dequeue, num_threads=1, seed=None, enqueue_many=False, shapes=None, name=None)
该函数用于将数据组织成为一个batch，且是随机的，无序的
参数含义和上述函数相同。其中多的几个参数含义在此表达一下：
min_after_dequeue：一定要保证这参数小于capacity参数的值，否则会出错。这个代表队列中的元素大于它的时候就输出乱的顺序的batch
num_threads表示线程数量
seed是随机种子

4.tf数据读取机制：
tf.train.string_input_producer()
tf.train.start_queue_runners()