matlab中 dataset用法,dataset中shuffle()、repeat()、batch()用法

import numpy as np

import tensorflow as tf

np.random.seed(0)

x = np.random.sample((11,2))

# make a dataset from a numpy array

print(x)

dataset = tf.data.Dataset.from_tensor_slices(x)

dataset = dataset.shuffle(2) # 将数据打乱，数值越大，混乱程度越大

dataset = dataset.batch(4) # 按照顺序取出4行数据，最后一次输出可能小于batch

dataset = dataset.repeat() # 数据集重复了指定次数

# repeat()在batch操作输出完毕后再执行,若在之前，相当于先把整个数据集复制两次

#为了配合输出次数，一般默认repeat()空

# create the iterator

iter = dataset.make_one_shot_iterator()

el = iter.get_next()

with tf.Session() as sess:

for i in range(6):

value = sess.run(el)

print(value)

更多的不同和进阶可以参考这个博客

Tensorflow datasets.shuffle repeat batch方法

机器学习中数据读取是很重要的一个环节,TensorFlow也提供了很多实用的方法,为了避免以后时间久了又忘记,所以写下笔记以备日后查看. 最普通的正常情