我想知道是否有办法在Tensorflow中生成批量生成约束。特别是，我想生产包含不同标签的批次。
假设我有五个可能的标签{A, B, C, D, E}，我希望批量为(A, C, E, D, B)或(B,E,D,C,A)。基本上，我想避免使用(A, A, D, E, C)或(A, B, B, B, E)等标签进行批量处理。
答案 0 :(得分：2)
批处理只是从它获取的任何内容中提取BATCH_SIZE个样本并将它们打包在一起，所以从技术上讲，这是可能的。但是，这取决于您，确保batch()的输入按照您想要的方式排序。
执行此操作的最有效方法可能是拥有5个tf.data.Dataset个，每个都有一个特定标签，zip它们在一起以获得一个＆＃34;批量＆＃34;标签的数据集始终采用相同的顺序，然后.map上的.shuffle数据集，以获取批次的随机排列并将其提供给您的网络。
我也会在随机排列后输入data = [ tf.constant([chr(ord('A')+i), chr(ord('a')+i) ]) for i in range(5) ]
per_label_datasets = [tf.data.Dataset.from_tensor_slices(d) for d in data]
dataset = tf.data.Dataset.zip(tuple(per_label_datasets)) # now an item has shape len(per_label_datasets) and one item from each
dataset = dataset.map(lambda *args : tf.random_shuffle(args)) # lambda needed because random_shuffle takes only one argument
dataset = dataset.shuffle(10) # optional
it = dataset.make_one_shot_iterator()
batch = it.get_next()
sess = tf.Session()
print(sess.run(batch))
print(sess.run(batch))
，但请确保网络始终不会以相同的顺序查看同一批次。
在代码中看起来像：
[b'a' b'c' b'd' b'e' b'b']
[b'C' b'B' b'A' b'D' b'E']
示例输出：
http://www.etf.com/etf-finder-funds-api//-aum/100/100/1
我不知道你正在使用什么型号，我认为有些模型对此有意义，但在大多数模型中批次中的样品顺序毫无意义因为在计算损失时，结果在一个批次中被平均。所以，如果你真的需要这个，有办法做，但在开始编码管道之前确保你确实需要它。