tensorflow之tf.record实现存浮点数数组
因为最近打算转战Tensorflow,我将自己的脑部肿瘤分割课题从caffe转移到tensorflow上去
然后我将数据存到Tf.record里面去,出现来不收敛,以及精度上不去的等现象。
最终原因是:数据存入tf.record,我转为二进制也就是使用来tobytes()函数,再将数据存入tf.record,浮点数以二进制存入会有精度丢失问题。
其实:当发现这个精度上不去的现象之后,我第一反应就是是不是精度丢失,然后上网跟别人交流,告诉我不可能是精度丢失,不信让我输出来看,结果我输出来看后,发现数值确实没有变化,所以就放弃来这个精度丢失的方向,转而去找别的方向,结果几经周折,无果之后,再来尝试这个,发现,确实是转为二进制导致来精度丢失(确实浪费来我很多精力,甚至一度想放弃)。
经验教训:跟别人交流,一定要保持理性,可以尝试别人的方法,但是不能丢掉自己的想法,因为没有人比你自己更了解你的项目。
下面来讲讲,如何将浮点数组存进tf.record:简单记录,不懂可以评论:
importtensorflowastf importnumpyasnp def_floats_feature(value): #这里的value=后面没有括号 #千万不要写成returntf.train.Feature(float_list=tf.train.FloatList(value=[value])) returntf.train.Feature(float_list=tf.train.FloatList(value=value)) #datayouwouldliketosave,dtype=float32 #这里我生成了一个浮点数数组,来假定作为我的数据 data=np.random.randn(shape=(5,5)) #这里一定要铺平,不然存不进去 data=data.flatten() #opentfrecordfile writer=tf.python_io.TFRecordWriter(train_data_path) #maketrainexample example=tf.train.Example(features=tf.train.Features( feature={'data':_floats_feature(data)})) #writeonthefile writer.write(example.SerializeToString())
这就是存数据了,下一步读取数据,一定要注意将原来铺平的数据reshape为原来的形状。
#opentfrecorderreader reader=tf.TFRecordReader() #readfile _,serialized_example=reader.read(filename_queue) #readdata features=tf.parse_single_example(serialized_example, features={'data':tf.VarLenFeature(tf.float32)}) #makeitdensetensor data=tf.sparse_tensor_to_dense(features['data'],default_value=0) #reshape data=tf.reshape(data,[5,5]) returntf.train.batch(data,batch_size,num_threads,capacity)
以上这篇tensorflow之tf.record实现存浮点数数组就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持毛票票。
声明:本文内容来源于网络,版权归原作者所有,内容由互联网用户自发贡献自行上传,本网站不拥有所有权,未作人工编辑处理,也不承担相关法律责任。如果您发现有涉嫌版权的内容,欢迎发送邮件至:czq8825#qq.com(发邮件时,请将#更换为@)进行举报,并提供相关证据,一经查实,本站将立刻删除涉嫌侵权内容。