tf.train.shuffle_batch_join与tf.train.shuffle_batch的区别

观察这两个函数的签名及其参数

tf.train.shuffle_batch_join(tensors_list,batch_size,capacity,min_after_dequeue,seed=None,enqueue_many=False,shapes=None,allow_smaller_final_batch=False,shared_name=None,name=None)

tf.train.shuffle_batch(tensors,batch_size,capacity,min_after_dequeue,num_threads=1,seed=None,enqueue_many=False,shapes=None,allow_smaller_final_batch=False,shared_name=None,name=None)

参数中唯一的区别是num_threads,这直观地表明tf.train.shuffle_batch可以使用多个线程或进程进行处理。除此之外,它们的工作内容似乎非常相似。

我想知道除了批处理的多进程处理之外,是否还有其他根本性的区别,导致人们选择其中一个而不是另一个。


回答:

引用shuffle_batch_join的TensorFlow文档内容:

tensors_list参数是一个包含张量元组或张量字典的列表。列表中的每个元素的处理方式与tf.train.shuffle_batch()的tensors参数类似。

基本上,shuffle_batch_join期望能够:

  • 接收一个张量列表
  • 对列表中的每个成员执行shuffle_batch操作
  • 返回一个与tensors_list[i]数量和类型相同的张量列表

请注意,如果使用shuffle_batch_join:

将启动len(tensors_list)个线程,第i个线程将tensors_list[i]中的张量入队。如果enqueue_many为真,则tensors_list[i1][j]和tensors_list[i2][j]在类型和形状上必须匹配,除了第一维度之外。

这是文档的链接

Related Posts

输入0与模型model_1不兼容:预期形状为(None, 244, 720, 3),实际发现形状为(None, 720, 3)

我想通过上传一张图片来测试我的模型,但遇到了这个错误。…

当我在构建用于自动生成源代码注释的深度学习模型时,遇到了以下错误

当我在构建用于自动生成源代码注释的深度学习模型时,遇到…

加载保存的决策森林模型问题

enter code here我训练了一个Random…

聚类算法的性能指标有哪些?

已关闭。 此问题不符合 Stack Overflow …

将序列填充到特定长度

我有一组张量,使用pad_sequence进行填充,但…

### 如何在Tensorflow中创建带有可训练参数的自定义激活函数

已关闭。 此问题不符合 Stack Overflow …

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注