快捷導(dǎo)航

tensorflow tf.train.batch之?dāng)?shù)據(jù)批量讀取方式

更新時(shí)間：2020年01月20日 10:00:22 作者：Webbley

今天小編就為大家分享一篇tensorflow tf.train.batch之?dāng)?shù)據(jù)批量讀取方式，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧

在進(jìn)行大量數(shù)據(jù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)的時(shí)候，可能需要批量讀取數(shù)據(jù)。于是參考了這篇文章的代碼，結(jié)果發(fā)現(xiàn)數(shù)據(jù)一直批量循環(huán)輸出，不會(huì)在數(shù)據(jù)的末尾自動(dòng)停止。

然后發(fā)現(xiàn)這篇博文說slice_input_producer()這個(gè)函數(shù)有一個(gè)形參num_epochs，通過設(shè)置它的值就可以控制全部數(shù)據(jù)循環(huán)輸出幾次。

于是我設(shè)置之后出現(xiàn)以下的報(bào)錯(cuò)：

tensorflow.python.framework.errors_impl.FailedPreconditionError: Attempting to use uninitialized value input_producer/input_producer/limit_epochs/epochs

     [[Node: input_producer/input_producer/limit_epochs/CountUpTo = CountUpTo[T=DT_INT64, _class=["loc:@input_producer/input_producer/limit_epochs/epochs"], limit=2, _device="/job:localhost/replica:0/task:0/cpu:0"](input_producer/input_producer/limit_epochs/epochs)]]

找了好久，都不知道為什么會(huì)錯(cuò)，于是只好去看看slice_input_producer()函數(shù)的源碼，結(jié)果在源碼中發(fā)現(xiàn)作者說這個(gè)num_epochs如果不是空的話，就是一個(gè)局部變量，需要先調(diào)用global_variables_initializer()函數(shù)初始化。

于是我調(diào)用了之后，一切就正常了，特此記錄下來，希望其他人遇到的時(shí)候能夠及時(shí)找到原因。

哈哈，這是筆者第一次通過閱讀源碼解決了問題，心情還是有點(diǎn)小激動(dòng)。啊啊，扯遠(yuǎn)了，上最終成功的代碼：

import pandas as pd
import numpy as np
import tensorflow as tf


def generate_data():
  num = 25
  label = np.asarray(range(0, num))
  images = np.random.random([num, 5])
  print('label size :{}, image size {}'.format(label.shape, images.shape))
  return images,label

def get_batch_data():
  label, images = generate_data()
  input_queue = tf.train.slice_input_producer([images, label], shuffle=False,num_epochs=2)
  image_batch, label_batch = tf.train.batch(input_queue, batch_size=5, num_threads=1, capacity=64,allow_smaller_final_batch=False)
  return image_batch,label_batch


images,label = get_batch_data()
sess = tf.Session()
sess.run(tf.global_variables_initializer())
sess.run(tf.local_variables_initializer())#就是這一行
coord = tf.train.Coordinator()
threads = tf.train.start_queue_runners(sess,coord)
try:
  while not coord.should_stop():
    i,l = sess.run([images,label])
    print(i)
    print(l)
except tf.errors.OutOfRangeError:
  print('Done training')
finally:
  coord.request_stop()
coord.join(threads)
sess.close()

以上這篇tensorflow tf.train.batch之?dāng)?shù)據(jù)批量讀取方式就是小編分享給大家的全部內(nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。

您可能感興趣的文章: