Tensorflow la taille des lots en entrée placholder

Je suis nouveau sur Tensorflow et je ne peux pas comprendre pourquoi l'espace réservé d'entrée est souvent dimensionnée à la taille des lots utilisés pour la formation.

Dans cet exemple, j'ai trouvé ici Officiel et Mnist tutoriel, il n'est pas

from get_mnist_data_tf import read_data_sets
mnist = read_data_sets("MNIST_data/", one_hot=True)
import tensorflow as tf
sess = tf.InteractiveSession()
x = tf.placeholder("float", shape=[None, 784])
y_ = tf.placeholder("float", shape=[None, 10])
W = tf.Variable(tf.zeros([784,10]))
b = tf.Variable(tf.zeros([10]))
sess.run(tf.initialize_all_variables())
y = tf.nn.softmax(tf.matmul(x,W) + b)
cross_entropy = -tf.reduce_sum(y_*tf.log(y))
train_step = tf.train.GradientDescentOptimizer(0.01).minimize(cross_entropy)
for i in range(1000):
  batch = mnist.train.next_batch(50)
  train_step.run(feed_dict={x: batch[0], y_: batch[1]})
correct_prediction = tf.equal(tf.argmax(y,1), tf.argmax(y_,1))
accuracy = tf.reduce_mean(tf.cast(correct_prediction, "float"))

print(accuracy.eval(feed_dict={x: mnist.test.images,
                               y_: mnist.test.labels}))

Alors, quelle est la meilleure et la bonne façon de dimension et de créer les données d'entrée du modèle et de le former?

  • les formes sont facultatifs, mais la spécification des formes peut aider le système sous-jacent choisir le plus efficace de mise en œuvre
InformationsquelleAutor Sindico | 2017-01-21
  1. 11

    Ici, vous spécifiez les données d'entrée du modèle. Vous souhaitez quitter la taille du Lot, à None, ce qui signifie que vous pouvez exécuter le modèle avec un nombre variable d'entrées (un ou plusieurs). Le dosage est important d'optimiser l'utilisation de vos ressources informatiques.

    x = tf.placeholder("float", shape=[None, 784])
y_ = tf.placeholder("float", shape=[None, 10])

    La prochaine ligne est:

    batch = mnist.train.next_batch(50)

    Ici, vous êtes à l'envoi de 50 éléments en entrée, mais vous pouvez la modifier à tout juste un 

    batch = mnist.train.next_batch(1)

    Sans modifier le graphique. Si vous spécifiez la taille du Lot (certains nombre au lieu de Aucun dans le premier extrait), alors que vous auriez à changer à chaque fois et qui n'est pas idéal, spécialement dans la production.

    • Merci c'est exactement les informations dont j'avais besoin
    • Donc, si un calcul graphique se dire [100, 784] et [100,10] comme entrée de ces espaces réservés, quelle sera notre sortie en supposant que 1 élément? [100,1]?
    InformationsquelleAutor fabrizioM