我正在关注 TensorFlow图像分割 https://www.tensorflow.org/tutorials/images/segmentation教程。其中有以下几行：
train_dataset = train.cache().shuffle(BUFFER_SIZE).batch(BATCH_SIZE).repeat()
train_dataset = train_dataset.prefetch(buffer_size=tf.data.experimental.AUTOTUNE)
- 什么是
cache()功能做什么？这官方文档 https://www.tensorflow.org/api_docs/python/tf/data/Dataset#cache非常晦涩且自引用：
缓存此数据集中的元素。
- 什么是
prefetch()功能做什么？这官方文档 https://www.tensorflow.org/api_docs/python/tf/data/Dataset#prefetch又是相当晦涩难懂：
创建一个从该数据集中预取元素的数据集。
The tf.data.Dataset.cache转换可以在内存或本地存储中缓存数据集。这将避免在每个时期执行一些操作（例如文件打开和数据读取）。下一个纪元将重用缓存转换缓存的数据。
您可以找到更多关于cache在张量流中here https://www.tensorflow.org/guide/data_performance#caching.
Prefetch重叠训练步骤的预处理和模型执行。当模型执行训练步骤 s 时，输入管道正在读取步骤 s+1 的数据。这样做可以减少训练的最大步骤时间（而不是总和）以及提取数据所需的时间。
您可以找到更多关于prefetch在张量流中here https://www.tensorflow.org/guide/data_performance#prefetching.
希望这能回答您的问题。快乐学习。
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
