Python
Java
PHP
IOS
Android
Nodejs
JavaScript
Html5
Windows
Ubuntu
Linux
并行化 tf.data.Dataset.from_generator
我有一个不平凡的输入管道from generator非常适合 dataset tf data Dataset from generator complex img label generator tf int32 tf string dat
tensorflow
tensorflowdatasets
如何使用 TF1.3 中新的 Dataset api 映射具有附加参数的函数?
我正在玩Tensorflow v1 3 中的数据集 API https www tensorflow org programmers guide datasets 这很棒 可以使用所描述的函数来映射数据集here https www ten
python
tensorflow
functionalprogramming
tensorflowdatasets
来自带有 tf.data 的多个 TFRecord 文件的批量顺序数据
让我们考虑将数据集拆分为多个 TFRecord 文件 1 tfrecord 2 tfrecord etc 我想生成大小的序列t say 3 由来自同一 TFRecord 文件的连续元素组成 我不希望序列包含属于不同 TFRecord 文件的
python
tensorflow
tensorflowdatasets
在 Tensorflow 数据集 api 中:如何使用 padded_batch 以便在不指定 pad 数量的情况下使 pad 具有特定值
如果您不指定padding values then padded batch将自动填充 0 但是 如果您想要不同的值 例如 1 则不能只设置padded batch 1 您需要为每个需要填充的槽输入一个序列 但是 我正在使用一个数据集 该数
tensorflow
tensorflowdatasets
将形状不等的数组列表转换为 Tensorflow 2 数据集:ValueError:无法将非矩形 Python 序列转换为 Tensor
我以列表的形式标记了数据形状不均 arrays array array 1179 6 208 2 1625 92 9 3870 3 2136 435 5 2453 2180 44 1 226 166 3 4409 49 6728 10 17
python
tensorflow
Keras
tensorflow20
tensorflowdatasets
Tensorflow v1.10:将图像存储为字节字符串或每个通道?
Context 据了解 目前 TF 的 Record 文档还有一些不足之处 我的问题是关于什么是最佳存储 一个序列 它的每个元素类别概率 以及 一些 上下文 信息 例如序列的名称 作为 TF 记录 也就是说 这个问题考虑将序列和类概率存储为
恢复使用 tf.estimator 训练的模型并通过 feed_dict 提供输入
我用 tf estimator 训练了 resnet 模型在训练过程中被保存 保存的文件包括 data index and meta 我想加载这个模型并获得新图像的预测 在训练期间将数据输入模型tf data Dataset 我密切关注了
如何从 tfrecords 目录创建 tf.data.dataset?
我的数据集有不同的目录 每个目录对应一个类 每个目录中有不同数量的 tfrecord 我的问题是如何从每个目录中采样 5 个图像 每个 tfrecord 文件对应一个图像 我的另一个问题是如何对其中 5 个目录进行采样 然后从每个目录中采样
tensorflow
tensorflowdatasets
如何分割 Tensorflow 数据集?
我有一个基于一个 tfrecord 文件的张量流数据集 如何将数据集拆分为测试数据集和训练数据集 例如 70 训练 30 测试 Edit 我的张量流版本 1 8 我已经检查过 没有可能的重复项中提到的 split v 函数 我也在使用 tf
tensorflow
tensorflowdatasets
如何将自定义数据加载到 keras Cyclegan 示例的 tfds 中?
按照中的示例https keras io examples generative cyclegan 已加载预先存在的数据集以供实施 我正在尝试添加我的数据集 import tensorflow datasets as tfds data t
python
tensorflow
Keras
deeplearning
tensorflowdatasets
在 TensorFlow 中展平数据集
我正在尝试将 TensorFlow 中的数据集转换为具有多个单值张量 数据集目前如下所示 12 43 64 34 45 2 13 54 34 65 34 67 87 12 23 43 23 53 23 1 5 转换后应该是这样的 12 43
python
tensorflow
flatten
tensor
tensorflowdatasets
循环 tf.data.Dataset 非常慢
我想知道为什么对 tf data Dataset 样本进行 for 循环比对相应的 numpy 数组进行循环要慢得多 import numpy as np import tensorflow as tf import time a np o
python
tensorflow
tensorflow20
tensorflowdatasets
将 tf.keras.utils.image_dataset_from_directory 与标签列表一起使用
我有目录示例中相应数量的文件的标签列表 1 2 3 train ds tf keras utils image dataset from directory train path label mode int labels train la
python
tensorflow
Keras
tensorflowdatasets
TensorFlow 中的实验是什么意思?
In TensorFlow 2 0 API 有一个模块tf experimental 这样的名字也出现在其他地方 比如tf data experimental 我只是想知道设计这些模块的动机是什么 tf experimental表示所述类
tensorflow
tensorflowdatasets
tensorflow20
数据集 API“flat_map”方法对与“map”方法一起使用的相同代码产生错误
我正在尝试创建一个管道来使用 TensorFlow Dataset API 和 Pandas 读取多个 CSV 文件 然而 使用flat map方法正在产生错误 但是 如果我使用map方法我能够构建代码并在会话中运行它 这是我正在使用的代码
pandas
tensorflow
tensorflowdatasets
使用 for 循环迭代数据集 TF 2.0
这个问题是关于如何迭代 TF 数据集 因为make initializable iterator 已弃用 我使用以下函数读取数据集 def read dataset new filename target delay ds tf data
python
tensorflow
tensorflowdatasets
使用 keras 在 gcloud ml-engine 上处理 TB 数据的最佳方法
我想使用 gcloud 存储上约 2TB 的图像数据训练模型 我将图像数据保存为单独的 tfrecords 并尝试按照此示例使用张量流数据 api https medium com moritzkrger speeding up keras
tensorflow
Keras
googlecloudml
tensorflowdatasets
TFRecord
as_list() 未在 y_t_rank = len(y_t.shape.as_list()) 上的未知 TensorShape 上定义且与指标相关
TF 2 3 0 dev20200620 对于具有 sigmoid 二进制输出的模型 我在 fit 期间遇到此错误 我使用 tf data Dataset 作为输入管道 奇怪的是它取决于指标 不工作 model compile optimi
tensorflow
Keras
tensorflowdatasets
Tensorflow 数据集 API:dataset.batch(n).prefetch(m) 预取 m 个批次或样本?
如果我使用 dataset batch n prefetch m 将预取 m 个批次或 m 个样本 The Dataset prefetch m 转换预取m其直接输入的元素 在这种情况下 由于其直接输入是dataset batch n 该数
tensorflowdatasets
特征列嵌入查找
我一直在使用tensorflow中的数据集和feature columns https developers googleblog com 2017 11 introducing tensorflow feature columns htm
tensorflow
tensorflowdatasets
«
1
2
3
4
5
»