出隊被稱爲單次訓練批次的兩次

我想用Tensorflow來訓練一個卷積網絡。卷積層的輸入是3 Chaneel彩色圖像和輸出（標籤）是單通道圖像。我正在使用tfrecord和隊列。下面出隊被稱爲單次訓練批次的兩次

image, labelImage = queue.dequeue_many(BATCH_SIZE)

圖像出列運算給出進入作爲輸入到第一卷積層和labelImage用於計算損失。

conv1 = tf.layers.conv2d(inputs=img,filters=8,kernel_size=5,padding='SAME',activation=tf.nn.relu) 
..... 
..... 
finaldeconv = tf.layers.conv2d_transpose(inputs=deconv2,filters=1,kernel_size=5,strides=(2,2),padding='SAME',activation=tf.nn.relu) 
loss = tf.divide(tf.square(tf.subtract(labelImage,finaldeconv)),2) 
cost = tf.reduce_mean(loss) 

optimiser = tf.train.AdamOptimizer(LEARNING_RATE) 
train = optimiser.minimize(cost)

所以，現在當我訓練的內部會議

sess.run(train)

運算調用應該是上面的代碼如下： -

火車運稱損失運算。損失運算要求labeImage和finaldeconv finaldeconv調用CONV1 CONV1調用圖像

圖像和labelImage兩個呼叫dequeop

我沒有得到CONV層圖像和相應的labelImage計算損失。圖像和LabelImage分別調用deque。我怎樣才能解決這個問題？

一種方法是使用佔位符，並將圖像和labelImage放置到佔位符，但我不想腰部時間複製gpu。我已經在GPU上有隊列了。

來源

2017-09-26 Tarun Mishra

圖像和labelImage兩個呼叫dequeop

是的，相同dequeop，並聯。

既然你不顯式調用（使用不同sess.run電話）image或labelImage，你可以肯定的是image & labelImage去對。

如果您使用的是單sess.run調用train操作但你得到不輸入圖像正確標籤值，問題是其他地方：也許你的公會形象標籤是錯誤的或你打電話sess.run(op1)和sess.run(op2)其中op1使用image和op2使用labelImage。

在這種情況下，image是圖像的「先前」值，而imageLabels是與實際（並且尚未獲取）圖像關聯的標籤。

來源

2017-09-26 10:32:13 nessuno

首先感謝您的回覆。我想確認我正確理解您的答案。插入到隊列中的一個訓練示例採用列表格式ex- [image，labelImage]。我有如下創建隊列： - queue = tf.RandomShuffleQueue（capacity = 100，min_after_dequeue = 2，dtypes = [ tf.float32，tf.float32]，shapes = [（IMAGE_ROWS，IMAGE_COLS，3），（IMAGE_ROWS，IMAGE_COLS）]）現在，如果我只是調用sess.run（train），它會只調用一次出隊操作每次迭代？如果是這樣，image和labelImage是成對的，我的問題將得到解決。 –

是的，你理解正確 – nessuno

出隊被稱爲單次訓練批次的兩次

回答

相關問題