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()