我正在尝试实现完全卷积网络并在Pascal VOC数据集上进行训练，但是在阅读了集合中的标签之后，我发现我需要以某种方式忽略“void”标签。在Caffe中，softmax函数有一个忽略标签的参数，所以我想知道机制是什么，所以我可以在tensorflow中实现类似的东西。
由于
答案 0 :(得分：0)
在tensorflow中，您正在feed_dict正确地提供数据吗？通常，您只想预处理数据并删除不需要的样本 - 不要让它们进行张量处理。
我首选的方法是生产者 - 消费者模型，您可以在其中启动张量流队列并使用来自加载器线程的样本加载它，该加载器线程只会跳过{em> void 样本的enqueuing。
在模型中训练模型dequeue样本（在优化步骤中不要使用feed_dict）。通过这种方式，您可以在今天对此感兴趣的特定预处理步骤中编写一个全新的数据集（明天您很可能会发现您想要执行其他一些预处理步骤）。< / p>
作为一个评论，我认为tensorflow比其他一些框架更多的自己动手。但我倾向于这样，它抽象足够方便，但不是太多，以至于你不明白发生了什么。当你实现它时，你就会理解它，这是使用tensorflow时想到的座右铭。