Question

在Tensorflow 1.9中使用自定义估算器。我的估算器训练input_function遵循典型模式，但是我想确保自己正在做我认为正在做的事情。我具有要应用于每个数据集示例的功能。

def add_noise(data, label):
    tile = data['tile']
    sigma_noise = tf.pow(10.0, -SNR/20.0)
    noise = tf.random_normal(shape=tf.shape(tile), mean=0.0, stddev=sigma_noise, dtype=tf.float32) 
    tile += noise
    return {'tile' : tile}, label

因此使用数据集API：

dataset = dataset.shuffle(buffer_size=70001)
dataset = dataset.map(parse_function)
dataset = dataset.map(add_noise)
dataset = dataset.batch(32)
dataset = dataset.repeat()
iterator = dataset.make_one_shot_iterator()

我的函数add_noise是否在每个时期都应用于整个数据集，以便每个输出示例在训练过程中都无限期地对其应用新的随机噪声？

谢谢大家：）

Answer 1

来自Sub SendVbaList() Dim arrIns(1) As MyDll.Object Dim arrRes As Variant Dim DLL As MyDll.Func Dim OBJ As MyDll.Object Set DLL = New MyDll.Func Set OBJ(1) = New MyDll.Object OBJ(0).String = "A" OBJ(0).Int = 1 OBJ(1).String = "B" OBJ(1).Int = 2 arrRes = DLL.InsertVbaList(arrIns) Debug.Print(Ubound(arrRes)) End Sub方法的TensorFlow tf.data.Dataset documentation：

map
在此数据集的元素之间映射map( map_func, num_parallel_calls=None )。

此转换将map_func应用于此数据集的每个元素，   并在其中返回包含转换后元素的新数据集   与输入中显示的顺序相同。

因此来自map_func的数据集仅应用了一次随机噪声，因此，从dataset.map(add_noise)返回的迭代器仅应用了一次随机噪声。如果在每个时期之后重复执行代码，在其中混洗数据并应用随机噪声等，那么新的随机噪声将应用于每个时期，这正是您想要的。

估计器输入函数随机噪声处理

1 个答案: