Python tf.compat.v1.train.shuffle_batch用法及代碼示例

通過隨機打亂張量創建批次。 (已棄用)

用法

tf.compat.v1.train.shuffle_batch(
    tensors, batch_size, capacity, min_after_dequeue, num_threads=1, seed=None,
    enqueue_many=False, shapes=None, allow_smaller_final_batch=False,
    shared_name=None, name=None
)

警告：此函數已棄用。它將在未來的版本中刪除。更新說明：基於隊列的輸入管道已替換為 tf.data 。使用 tf.data.Dataset.shuffle(min_after_dequeue).batch(batch_size) 。

此函數將以下內容添加到當前 Graph ：

• 一個洗牌隊列，來自tensors 的張量被排入隊列。
• 用於從隊列中創建批次的 dequeue_many 操作。
• QueueRunner 到 QUEUE_RUNNER 集合，用於將來自 tensors 的張量排入隊列。

如果enqueue_many 是False , tensors 則假定代表一個示例。形狀為 [x, y, z] 的輸入張量將作為形狀為 [batch_size, x, y, z] 的張量輸出。

如果enqueue_many 是True , tensors 則假設代表一批樣本，其中第一個維度是按樣本索引的，並且tensors 的所有成員在第一個維度中應該具有相同的大小。如果輸入張量的形狀為 [*, x, y, z] ，則輸出的形狀為 [batch_size, x, y, z] 。

capacity 參數控製允許預取增加隊列的時間。

返回的操作是出隊操作，如果輸入隊列用盡，將拋出tf.errors.OutOfRangeError。如果此操作正在提供另一個輸入隊列，則其隊列運行器將捕獲此異常，但是，如果在您的主線程中使用此操作，則您自己負責捕獲此異常。

例如：

# Creates batches of 32 images and 32 labels.
image_batch, label_batch = tf.compat.v1.train.shuffle_batch(
      [single_image, single_label],
      batch_size=32,
      num_threads=4,
      capacity=50000,
      min_after_dequeue=10000)

注意：您必須確保 (i) shapes 參數被傳遞，或者 (ii) tensors 中的所有張量必須具有 fully-defined 形狀。如果這些條件都不成立，則會引發 ValueError。

如果 allow_smaller_final_batch 為 True ，則當隊列關閉且沒有足夠的元素填充該批次時，將返回小於 batch_size 的批次值，否則將丟棄待處理的元素。此外，通過 shape 屬性訪問的所有輸出張量的靜態形狀將具有 None 的第一個 Dimension 值，並且依賴於固定 batch_size 的操作將失敗。

eager模式兼容性

啟用即刻執行時，不支持基於隊列的輸入管道。請使用tf.data API 在即刻執行下攝取數據。