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
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)