TensorFlow2.0.0_课时24_神经网络搭建_tf.data解读

最新推荐文章于 2022-05-15 14:00:00 发布

Moo~的秃头之路1024

最新推荐文章于 2022-05-15 14:00:00 发布

阅读量164

点赞数

分类专栏： TensorFlow笔记

本文链接：https://blog.csdn.net/weixin_46276803/article/details/104465515

版权

本文介绍了TensorFlow2.0中tf.data API的使用，包括将数组转换为张量、数据集的重复构建、批处理操作以及数据集的洗牌操作，展示了如何在神经网络训练中应用这些操作来提升模型性能。

摘要由CSDN通过智能技术生成

import numpy as np
input_data = np.arange(16)
input_data

array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14,
15])

Dataset操作，转换为tenser格式

dataset = tf.data.Dataset.from_tensor_slices(input_data)
for data in dataset:
    print (data)

tf.Tensor(0, shape=(), dtype=int32) tf.Tensor(1, shape=(),
dtype=int32) tf.Tensor(2, shape=(), dtype=int32) tf.Tensor(3,
shape=(), dtype=int32) tf.Tensor(4, shape=(), dtype=int32)
tf.Tensor(5, shape=(), dtype=int32) tf.Tensor(6, shape=(),
dtype=int32) tf.Tensor(7, shape=(), dtype=int32) tf.Tensor(8,
shape=(), dtype=int32) tf.Tensor(9, shape=(), dtype=int32)
tf.Tensor(10, shape=(), dtype=int32) tf.Tensor(11, shape=(),
dtype=int32) tf.Tensor(12, shape=(), dtype=int32) tf.Tensor(13,
shape=(), dtype=int32) tf.Tensor(14, shape=(), dtype=int32)
tf.Tensor(15, shape=(), dtype=int32)

repeat操作，重复构建数据集

dataset = tf.data.Dataset.from_tensor_slices(input_data)
dataset = dataset.repeat(2)
for data in dataset:
    print (data)

tf.Tensor(0, shape=(), dtype=int32) tf.Tensor(1, shape=(),
dtype=int32) tf.Tensor(2, shape=(), dtype=int32) tf.Tensor(3,
shape=(), dtype=int32) tf.Tensor(4, shape=(), dtype=int32)
tf.Tensor(5, shape=(), dtype=int32) tf.Tensor(6, shape=(),
dtype=int32) tf.Tensor(7, shape=(), dtype=int32) tf.Tensor(8,
shape=(), dtype=int32)