tensorflow之tf.record如何實(shí)現(xiàn)存浮點(diǎn)數(shù)數(shù)組-創(chuàng)新互聯(lián)

這篇文章主要介紹tensorflow之tf.record如何實(shí)現(xiàn)存浮點(diǎn)數(shù)數(shù)組，文中介紹的非常詳細(xì)，具有一定的參考價(jià)值，感興趣的小伙伴們一定要看完！

創(chuàng)新互聯(lián)成立與2013年，是專業(yè)互聯(lián)網(wǎng)技術(shù)服務(wù)公司，擁有項(xiàng)目網(wǎng)站建設(shè)、成都做網(wǎng)站網(wǎng)站策劃，項(xiàng)目實(shí)施與項(xiàng)目整合能力。我們以讓每一個(gè)夢想脫穎而出為使命，1280元雙柏做網(wǎng)站,已為上家服務(wù),為雙柏各地企業(yè)和個(gè)人服務(wù),聯(lián)系電話:18980820575

因?yàn)樽罱蛩戕D(zhuǎn)戰(zhàn)Tensorflow,我將自己的腦部腫瘤分割課題從caffe轉(zhuǎn)移到tensorflow上去

然后我將數(shù)據(jù)存到Tf.record里面去，出現(xiàn)來不收斂，以及精度上不去的等現(xiàn)象。

最終原因是：數(shù)據(jù) 存入tf.record,我轉(zhuǎn)為二進(jìn)制也就是使用來tobytes()函數(shù)，再將數(shù)據(jù)存入tf.record,浮點(diǎn)數(shù)以二進(jìn)制存入會有精度丟失問題。

其實(shí)：當(dāng)發(fā)現(xiàn)這個(gè)精度上不去的現(xiàn)象之后，我第一反應(yīng)就是是不是精度丟失，然后上網(wǎng)跟別人交流，告訴我不可能是精度丟失，不信讓我輸出來看，結(jié)果我輸出來看后，發(fā)現(xiàn)數(shù)值確實(shí)沒有變化，所以就放棄來這個(gè)精度丟失的方向，轉(zhuǎn)而去找別的方向，結(jié)果幾經(jīng)周折，無果之后，再來嘗試這個(gè)，發(fā)現(xiàn)，確實(shí)是轉(zhuǎn)為二進(jìn)制導(dǎo)致來精度丟失（確實(shí)浪費(fèi)來我很多精力，甚至一度想放棄）。

經(jīng)驗(yàn)教訓(xùn)：跟別人交流，一定要保持理性，可以嘗試別人的方法，但是不能丟掉自己的想法，因?yàn)闆]有人比你自己更了解你的項(xiàng)目。

下面來講講，如何將浮點(diǎn)數(shù)組存進(jìn)tf.record:簡單記錄，不懂可以評論：

import tensorflow as tf
import numpy as np
 
def _floats_feature(value):
  #這里的value=后面沒有括號
  #千萬不要寫成return tf.train.Feature(float_list=tf.train.FloatList(value=[value]))
  return tf.train.Feature(float_list=tf.train.FloatList(value=value))
 
# data you would like to save, dtype=float32
#這里我生成了一個(gè)浮點(diǎn)數(shù)數(shù)組，來假定作為我的數(shù)據(jù)
data = np.random.randn(shape=(5, 5))
#這里一定要鋪平，不然存不進(jìn)去
data = data.flatten()
 
 
# open tfrecord file
writer = tf.python_io.TFRecordWriter(train_data_path)
 
# make train example
example = tf.train.Example(features=tf.train.Features(
  feature={'data': _floats_feature(data)}))
 
# write on the file
writer.write(example.SerializeToString())

這就是存數(shù)據(jù)了，下一步讀取數(shù)據(jù)，一定要注意將原來鋪平的數(shù)據(jù)reshape為原來的形狀。

# open tfrecorder reader
reader = tf.TFRecordReader()
 
# read file
_, serialized_example = reader.read(filename_queue)
 
# read data
features = tf.parse_single_example(serialized_example,
  features={'data': tf.VarLenFeature(tf.float32)})
 
# make it dense tensor
data = tf.sparse_tensor_to_dense(features['data'], default_value=0)
 
# reshape
data = tf.reshape(data, [5,5])
 
return tf.train.batch(data, batch_size, num_threads, capacity)

以上是“tensorflow之tf.record如何實(shí)現(xiàn)存浮點(diǎn)數(shù)數(shù)組”這篇文章的所有內(nèi)容，感謝各位的閱讀！希望分享的內(nèi)容對大家有幫助，更多相關(guān)知識，歡迎關(guān)注創(chuàng)新互聯(lián)成都網(wǎng)站設(shè)計(jì)公司行業(yè)資訊頻道！

另外有需要云服務(wù)器可以了解下創(chuàng)新互聯(lián)scvps.cn，海內(nèi)外云服務(wù)器15元起步，三天無理由+7*72小時(shí)售后在線，公司持有idc許可證，提供“云服務(wù)器、裸金屬服務(wù)器、高防服務(wù)器、香港服務(wù)器、美國服務(wù)器、虛擬主機(jī)、免備案服務(wù)器”等云主機(jī)租用服務(wù)以及企業(yè)上云的綜合解決方案，具有“安全穩(wěn)定、簡單易用、服務(wù)可用性高、性價(jià)比高”等特點(diǎn)與優(yōu)勢，專為企業(yè)上云打造定制，能夠滿足用戶豐富、多元化的應(yīng)用場景需求。

網(wǎng)站欄目：tensorflow之tf.record如何實(shí)現(xiàn)存浮點(diǎn)數(shù)數(shù)組-創(chuàng)新互聯(lián)
網(wǎng)頁地址：http://muchs.cn/article16/cdccdg.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供小程序開發(fā)、移動網(wǎng)站建設(shè)、全網(wǎng)營銷推廣、網(wǎng)站策劃、App開發(fā)、網(wǎng)頁設(shè)計(jì)公司

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來源： 創(chuàng)新互聯(lián)