csv 파일을 데이터 집합으로 직접 읽을 수 있습니다. 예를 들어, 나는 트윗과 감정이있는 CSV 파일이 있습니다. 한 가지 주의해야 할 점은 작업자가 양자화 프로세스 중에 요청된 최소 값과 최대 값을 약간 조정할 수 있으므로 항상 추가 계산을 위한 범위로 출력 포트를 사용해야 한다는 것입니다. 예를 들어 요청된 최소값과 최대값이 같으면 작은 엡실론 값으로 구분되어 잘못 형성된 양자화된 버퍼가 생성되지 않도록 합니다. 그렇지 않으면 모든 양자화된 값이 동일한 float 값에 매핑되는 버퍼로 끝날 수 있으며, 이로 인해 추가 계산을 수행해야 하는 작업에 문제가 발생할 수 있습니다. tf.split()은 텐서 개체 목록을 반환합니다. 당신은 다음과 같이 각 텐서 개체의 모양을 알 수 있습니다 API1.8.0:tf.split (값, num_or_size_splits,축 =0,num=없음, 이름=`분할`)). … : 가장 쉬운 거문고입니다.

첫 번째 예제를 사용 하 여 예를 들어, 우리는 data_set x 크기 (10,10), 다음 tf.split (x, 2, 0) 크기의 2 세트에서 x의 data_set을 중단 합니다 (5, 10) tf.split의 변수 크기 버전 (C ++)) 크기 중 하나가 -1 될 수 있습니다. 총 출력 크기가 입력과 일치되도록 해당 출력이 필요에 따라 확장됩니다. 맵 메서드를 사용하여 데이터 집합의 각 멤버에 사용자 지정 함수를 적용할 수 있습니다. 다음 예제에서는 각 요소에 두 개를 곱합니다. MNIST 데이터 집합에 위에 표시된 예제와 함께 손으로 쓴 숫자가 포함되어 있는 데이터를 일괄 처리하는 데 필요한 차원을 추가하려면 다른 numpy 배열의 .random.sample을 래핑해야 합니다. 60,000개의 예제와 10,000개의 예제로 구성된 테스트 세트가 있습니다. TensorFlow mnist_softmax.py의 다음 파이썬 파일은 MNist 숫자 인식을 위한 선형 분류기를 학습합니다. 다음 모델의 정확도는 92%에 도달합니다. 스플릿()을 넘나들며, 스플릿(값, num_or_size_splits,축=0,num=없음,나… mls03111:(tf.concat, tf.stack):(tf.unstack, tf.split):a=tf.constant([1,1,000,000)2,3],[3,4,5])#shape(2,3… 분할 작은 …

위의 예에서 와 같이 2D 마스크 텐서, 지정 된 dtype에 캐스팅: zz22306333069 의 2D 마스크 텐서. 경우에 따라 텐서의 모양은 런타임까지 알려지지 않습니다. 예를 들어 tf.unique(x)는 고유 요소만 포함하는 1D 텐서를 반환합니다. 이 런타임 정보를 얻으려면 tf.shape를 대신 호출해야 합니다. 예를 들어 셰이프[높이, 너비, 채널]의 단일 이미지가 있는 경우 expand_dims(이미지, 0)가 있는 1개의 이미지일괄 처리로 만들어 모양을 [1, 높이, 너비, 채널]으로 만들 수 있습니다. 이터레이터 간에 전환하려면 feed_dict에서 올바른 핸들을 전달하는 next_elemenents 작업을 호출하기만 하면 됩니다. 예를 들어, 기차 세트에서 하나의 요소를 얻으려면 : 우리는 또한 하나 이상의 numpy 배열을 전달할 수 있습니다, 하나의 고전적인 예는 우리가 기능 및 레이블 tf.split (APIr1.3)로 나누어 데이터의 몇 가지가있을 때입니다 : , 축 = 0, num = 없음, 이름 = `분할`)을 다음과 같은 값 :……