tf38:tensorflow使用pipeline通过队列方式读取数据训练

292 篇文章 18 订阅
175 篇文章 13 订阅
本文介绍了在TensorFlow中利用pipeline和队列来高效读取大量数据进行训练的方法,强调了避免一次性加载数据到内存以及如何利用`ops.convert_to_tensor()`和`tf.dynamic_partition()`两个关键API进行数据处理。通过这种方式,可以提高GPU的利用率并优化训练过程。
摘要由CSDN通过智能技术生成

MachineLP的Github(欢迎follow):https://github.com/MachineLP

MachineLP的博客目录:小鹏的博客目录

TF在训练的时候有好多方式,可以用转为TF的tfRecords;也可以通过数组读进内存的方式(数据量小或者内存总够大);或者数据量大时在每个batch的时候处理数据,这样会加大交互的时间,减少gpu的利用率;那么今天介绍一种借助TF的API使用pipeline通过队列方式读取数据的方式:

先认识两个API:

ops.convert_to_tensor() : 将不是张量的数据转为张量。

tf.dynamic_partition():用于拆分熟组,可以看下图。


熟悉了这两个API下面代码就不难理解了,可以根据自己的需要自行整理。

import tensorflow as tf 
  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
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

打赏作者

MachineLP

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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