Tensorflow批處理參數

Question

批處理看起來比feed_dicts更清潔，所以我想了解Tensorflow中的批處理。

下面的代碼塊是否會在批處理中創建32個相同的圖像，然後將其送入隊列？

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

一點上下文：我目前有一個文件包含大約5萬行。我使用tf.train.string_input_producer和tf.decode_csv來讀取CSV行，但很困惑，如何提供給tf.train.shuffle_batch作爲參數，各行或包含從文件讀取的所有行的張量。

Answer 1

在您的問題的代碼片段中，張量single_image和single_label對應於一個圖像及其相關標籤。從tf.train.shuffle_batch(),image_batch和返回的張量對應於32個可能* - 不同圖像打包在一起，以及32個相關標籤。 TensorFlow在內部使用tf.RandomShuffleQueue來洗牌數據，並創建其他線程來評估single_image和single_label，以便將它們添加到此隊列中。

的tf.train.shuffle_batch()函數根據傳遞的參數不同的行爲。例如，如果您通過enqueue_many=True，則參數tensors中的張量將被解釋爲批次元素，並且TensorFlow將在前導維上加入它們（因此每個張量在第0維中必須具有相同的大小）。使用enqueue_many=True您可以將整個數據集傳遞給tf.train.shuffle_batch()，或者可以傳遞批量元素（例如使用tf.ReaderBase.read_up_to()）。

---

  *我說：「可能，不同的」，因爲你正在使用的批號等功能洗牌版本，如果你的數據集相比capacity和min_after_dequeue參數小，很可能你會看到單個批次中同一個示例的多個副本。