21

TensorFlow は、データを保存する優れた方法として構築されています。これは、たとえば、例で MNIST データを格納するために使用されます。

>>> mnist
<tensorflow.examples.tutorials.mnist.input_data.read_data_sets.<locals>.DataSets object at 0x10f930630>

入力と出力のnumpy配列があるとします。

>>> x = np.random.normal(0,1, (100, 10))
>>> y = np.random.randint(0, 2, 100)

それらをデータセットに変換するにはどうすればよいtfですか?

のような機能を使いたいnext_batch

4

3 に答える 3

9

Dataset オブジェクトは MNIST チュートリアルの一部であり、メインの TensorFlow ライブラリではありません。

ここで定義されている場所を確認できます。

GitHub リンク

コンストラクターは画像とラベルの引数を受け入れるため、おそらくそこに独自の値を渡すことができます。

于 2015-12-18T17:47:13.247 に答える
2

最近、Tensorflow は numpy 配列を使用する機能をデータセット API に追加しました。詳しくはこちらをご覧ください。

そこからコピーしたスニペットは次のとおりです。

# Load the training data into two NumPy arrays, for example using `np.load()`.
with np.load("/var/data/training_data.npy") as data:
  features = data["features"]
  labels = data["labels"]

# Assume that each row of `features` corresponds to the same row as `labels`.
assert features.shape[0] == labels.shape[0]

features_placeholder = tf.placeholder(features.dtype, features.shape)
labels_placeholder = tf.placeholder(labels.dtype, labels.shape)

dataset = tf.data.Dataset.from_tensor_slices((features_placeholder, labels_placeholder))
# [Other transformations on `dataset`...]
dataset = ...
iterator = dataset.make_initializable_iterator()

sess.run(iterator.initializer, feed_dict={features_placeholder: features,
                                          labels_placeholder: labels})
于 2018-04-12T21:52:04.590 に答える