Question

我的数据形状是（1920,60,2）假设批量大小为128，预计批量数据形状为（128,60,2）但是在使用tf.train.batch时，我得到了（128,1920,60,2），
这是否意味着我必须首先重塑数据？

tf_X_train = tf.constant(X_train) # type(X_train):numpy.cdarray
tf_Y_train = tf.constant(Y_train)
tf_batch_xs, tf_batch_ys = tf.train.batch([tf_X_train, tf_Y_train], batch_size = 128, capacity = 5000)
with tf.Session() as sess:
    init = tf.global_variables_initializer()
    sess.run(init)
    coord = tf.train.Coordinator()
    threads = tf.train.start_queue_runners(sess=sess, coord=coord)
    batch_xs, batch_ys = sess.run([tf_batch_xs, tf_batch_ys])

    print (batch_xs.shape )

得到（128,1920,60,2）作为输出。

另一个问题，tf.train.batch应该输入张量，但为什么在我输入numpy数组时它仍然有效？

Answer 1

根据False方法的默认到enqueue_many tf.train.batch参数的字符串文档：

如果enqueue_many为False，则假定tensors代表单个     例。形状为[x, y, z]的输入张量将作为张量输出     形状[batch_size, x, y, z]。

如果enqueue_many为True，则假定tensors代表一批。{1}}     示例，其中第一个维度按示例索引，以及所有成员     tensors在第一维中应具有相同的大小。如果输入     张量具有形状[*, x, y, z]，输出将具有形状[batch_size, x, y, z]。 capacity参数控制预取的时间     允许排队。

因此，要回答您的问题，您必须将enqueue_many参数设置为True，并且第一个维度将被丢弃，或者您将enqueue_many设为{{1}你必须遍历数组的第一维。

要回答您的第二个问题，False输入内部通过tensors方法，因此convert_to_tensor数组将转换为TensorFlow numpy。

使用tf.train.batch时形状错误

1 个答案: