Question

我正在尝试使用STL-10数据集训练网络。

我从STL-10二进制文件中提取了数据并将它们转换为numpy数组。然后我使用tf.convert_to_tensor函数

将它们转换为张量

现在我有一个形状的张量（5000,96,96,3）

我想从这个张量中得到一批大小为32的数据包含5000个图像的数据，并且批次将在每次迭代中随机洗牌。

使用tf.train.batch会出错

`TypeError: `Tensor` objects are not iterable when eager execution is not enabled. To iterate over this tensor use tf.map_fn.`

如何获得一批大小为32的图像数据，这些数据将在每次迭代中随机洗牌？

Answer 1

来自tf.train.batch的文档：

论证张量可以是张量或张量词典。该函数返回的值与张量的类型相同。

您需要将数据转换为5000张张量的列表，每张张量均为（96,96,3）。

Answer 2

您可以直接在tensorflow函数中使用numpy数组，因为tensorflow知道如何转换它们。

# Form shuffled batch of data
def get_batch(inputs, targets, size):          
    '''
    Return a total of `size` random inputs and targets(or labels). 
    '''
    targets_shape = targets.shape
    num_data = targets_shape[0]
    # this is a list of the right number of indices in the indices range
    shuffled_indices = np.random.randint(0,num_data,size)
    #this takes the selected random elements
    inputs_shuffled = inputs[shuffled_indices,:,:,:]
    #depending on the target shape it could be  targets[idx,:,:,...]
    #this takes the corresponding targets
    targets_shuffle = targets[shuffled_indices,:]
    #return the shuffled data and targets
    return inputs_shuffled, targets_shuffle

然后你可以在训练中使用它：

#This calls the function we created    
inputs_batch, targets_batch = get_batch(inputs_all,targets_all,batch_size)
#This tells to tensorflow which input goes to which placeholder
feed_dict={inputs_placeholder: inputs_batch, 
           targets_placeholder: targets_batch}
#This runs one step of the training
sess.run(train_step,feed_dict = feed_dict)

希望我能帮忙......

Answer 3

请检查tf.train.batch的用法：

label_batch = tf.train.batch([label], capacity=20, batch_size=10, num_threads=2)

label中括号的消失将导致这种错误。

使用随机混洗的批量作为来自张量图像数据的CNN的输入

3 个答案: