动态图(Eager)和数据集(tf.data)
程序员文章站
2022-03-09 20:28:02
...
转载自: https://blog.csdn.net/chengqiuming/article/details/80042749
一、动态图
动态图
是相对于静态图
而言的。所谓的动态图是指在python中代码被调用后,其操作立即被执行的计算。其与静态图最大的区别是不需要使用session
来建立会话了。即在静态图中,需要在会话中调用run方法才可以获得某个张量的具体值:而在动态图中,直接运行就可以得到具体值了。
动态图TensorFlow 1.3
版本之后才出现的。它使TensorFlow的入门变得更简单,也使研发更直观。
启动动态图只需要在程序的最开始处加上两行代码:
import tersorflow.contrib.eager as tfe
tfe.enable_eager_execution()
这两行代码的作用就是开启动态图计算功能。例如,调用tf.matmul
时,将会立即计算两个数相乘的值,而不是一个op
。Eager还处于一个·试用阶段·,也是TensorFlow大力推广的新特效,未来或许会成为趋势。
在创建动态图的过程中,默认也建立一个session。所有的代码都在该session中进行,而且该session具有进程相同的生命周期。这表明一旦使用动态图就无法实现静态图中关闭session
的功能。这是动态图的不足之处:无法实现多session操作。如果当前代码只需要一个session来完成的话,建议优先选择动态图Eager来实现。
二、 数据集
TensorFlow中有3中数据输入模式:
- 直接使用
feed_dict
利用注入模式进行数据输入,适用于少量数据集输入; - 使用
队列式管道
,适用于大量的数据集输入; - 性能更高的输入管道,使用与
TensorFlow 1.4
之后的版本,是为动态图功能提供大数据输入方案(动态图数据集输入只能使用该方法),当然也支持静态图。
推荐阅读
-
目标检测和语义分割数据集制作工具labelimg、labelme
-
python-09-各个数据类型汇总、集和类型详解、字符编码
-
sql 查询 一张表里面的数据 在另一张表中是否存在 和 比对两个集合中的差集和交集(原创)
-
python 划分数据集为训练集和测试集的方法
-
pytorch 把MNIST数据集转换成图片和txt的方法
-
JPA中的数据获取(Fetching)方式:Eager和Lazy
-
分别采用线性LDA、k-means和SVM算法对鸢尾花数据集和月亮数据集进行二分类可视化分析
-
Pytorch将数据集划分为训练集、验证集和测试集
-
笑脸和口罩数据集的划分,训练和测试
-
PLSQL Developer 13 报错“数据库字符集(AL32UTF8)和客户端字符集(2%)是不同的。字符集转化可能会造成不可预期的后果“