tensorflow2的資料載入

對於一些小型常用的資料集，tensorflow有相關的api可以呼叫——keras.datasets

經典資料集:

1、boston housing- 波士頓房價

2、mnist/fasion mnist- 手寫數字集/時髦品集

3、cifar10/100- 物象分類

4、imdb- 電影評價

1.既能讓後面有迭代的方式，又能直接對資料（tensor型別）進行預處理，還能支援batch和多執行緒的方式處理

2.提供了 .shuffle（打散）, .map（預處理） 功能

(x, y)

,(x_val, y_val)
= datasets.fashion_mnist.load_data(
)

from_tensor_slices的方法見這篇部落格

db = tf.data.dataset.from_tensor_slices(

(x_test, y_test)
)db = db.shuffle(
10000
)# x_test,y_test對映關係不變

tf.cast的用法見這篇部落格

tf.one_hot的用法見這篇部落格

def

preprocess
(x,y)
:# 定義乙個與處理函式 用於將numpy資料型別轉化為tensor的型別（dtype=float32）
x = tf.cast(x, dtype=tf.float32)
/255
# 將灰度級歸一化
y = tf.cast(y, dtype=tf.float32)
y = tf.one_hot(y, depth=10)
# 對數字編碼 y 進行one_hot編碼，10個0-1序列中只有乙個1
return x, y
db2 = db.
map(preprocess)
res =
next
(iter
(db2)
)# iter(db2):取得db2的迭代器，next(iter(db2))：迭代

db3 = db2.batch(32)

# (32張,32個label)為乙個batch
res =
next
(iter
(db3)
)# 進行迭代
res[0]
.shape, res[1]
.shape   # 分別是乙個batch中格式與label格式的shape
(tensorshape([32
,32,32
,3])
, tensorshape([32
,1,10
]))# 格式是(32張，32*32大小，3個通道)  # (32張對應的label,1個label——通常會squeeze掉，10個one_hot深度)

db4 = db3.repeat(

)# 這樣就是一直repeat迭代，死迴圈
db4 = db3.repeat(2)
# 這個是迭代2次

def

prepare_mnist_features_and_labels
(x,y)
:    x = tf.cast(x, tf.float32)
/255.0
y = tf.cast(y, tf.float64)
return x,y
defmnist_dataset()
:(x, y)
,(x_val, y_val)
= datasets.fashion_mnist.load_data(
)# 1.載入影象資料和通用資料（val指的是validation，測試資料集）
y = tf.one_hot(y, depth=10)
# 2.資料  one_hot編碼
y_val = tf.one_hot(y_val, depth=10)
#   label one_hot編碼
ds = tf.data.dataset.from_tensor_slices(
(x, y)
)# 3.轉換為dataset型別
ds = ds.
map(prepare_mnist_features_and_labels)
# 4.預處理函式對映
ds = ds.shuffle(
60000
).batch(
100)
# 5.其他處理——如本處的前60000個打亂，100個為乙個批次
ds_val = tf.data.dataset.from_tensor_slices(
(x_val, y_val)
)    ds_val = ds_val.
map(prepare_mnist_features_and_labels)
ds_val = ds_val.shuffle(
10000
).batch(
100)
return ds, ds_val

TensorFlow2學習八之資料增強

影象增強 對影象的簡單形變。tensorflow2影象增強函式tf.keras.preprocessing.image.imagedatagenerator image gen train tf.keras.preprocessing.image.imagedatagenerator rescale...

Tensorflow2 自動求導機制

tensorflow 引入了 tf.gradienttape 這個 求導記錄器 來實現自動求導 如何使用 tf.gradienttape 計算函式 y x x 2 在 x 3 時的導數 import tensorflow as tf x tf.variable initial value 3.初始化...

tensorflow2建立卷積核Conv2D函式

使用conv2d可以建立乙個卷積核來對輸入資料進行卷積計算，然後輸出結果，其建立的卷積核可以處理二維資料。依次類推，conv1d可以用於處理一維資料，conv3d可以用於處理三維資料。在進行神經層級整合時，如果使用該層作為第一層級，則需要配置input shape引數。在使用conv2d時，需要配置...