2024-04-19 02:38:56 发布
网友
假设我在一个tfrecord中有100000个示例。我用缓冲区大小100做一次随机播放,它会每100个例子洗牌一次,在我们消耗完所有的例子之后,再画100个例子到shuffle中。或者,当我们使用训练数据时,它也会填充后面的示例,并从洗牌中统一提取,这样在某个时间点,每个示例都有一定的概率在缓冲区中?在
它认为后者更有意义。洗牌功能是如何实现的吗?我查了一下,找到了解释这个机制的来源。在
谢谢。在
取自here
The Dataset.shuffle()transformation randomly shuffles the input dataset using a similar algorithm to tf.RandomShuffleQueue: it maintains a fixed-size buffer and chooses the next element uniformly at random from that buffer.
Dataset.shuffle()
您可以找到操作here的定义,它指向^{}。在
此外,请注意,shuffle操作还允许您确定如何绘制批处理(即,在一个epoch之后,数据集是否总共是伪随机随机洗牌)。在
取自here
您可以找到操作here的定义,它指向^{} 。在
此外,请注意,shuffle操作还允许您确定如何绘制批处理(即,在一个epoch之后,数据集是否总共是伪随机随机洗牌)。在
相关问题 更多 >
编程相关推荐