溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
小編給大家分享一下tensorflow如何動態獲取BatchSzie大小，希望大家閱讀完這篇文章后大所收獲，下面讓我們一起去探討方法吧！
我就廢話不多說了，大家還是直接看代碼吧~
import tensorflow as tf
import sys
with tf.variable_scope('ha'):
a1 = tf.get_variable('a', shape=[], dtype=tf.int32)
with tf.variable_scope('haha'):
a2 = tf.get_variable('a', shape=[], dtype=tf.int32)
with tf.variable_scope('hahaha'):
a3 = tf.get_variable('a', shape=[], dtype=tf.int32)
with tf.variable_scope('ha', reuse=True):
# 不會創建新的變量
a4 = tf.get_variable('a', shape=[], dtype=tf.int32)
sum = a1 + a2 + a3 + a4
fts_s = tf.placeholder(tf.float32, shape=(None, 100), name='fts_s')
b = tf.zeros(shape=(tf.shape(fts_s)[0], tf.shape(fts_s)[1]))
concat = tf.concat(axis=1, values=[fts_s, b])
init_op = tf.global_variables_initializer()
with tf.Session() as sess:
sess.run(init_op)
for var in tf.global_variables():
print var.name
import numpy as np
ft_sample = np.ones((10, 100))
con_value = sess.run([concat], feed_dict={fts_s: ft_sample})
print con_value[0].shaperesults:
ha/a:0
ha/haha/a:0
ha/haha/hahaha/a:0
(10, 200)
小總結：
1: 對于未知的shape, 最常用的就是batch-size 通常是 None 代替, 那么在代碼中需要用到實際數據的batch size的時候應該怎么做呢?
可以傳一個tensor類型, tf.shape(Name) 返回一個tensor 類型的數據, 然后取batchsize 所在的維度即可. 這樣就能根據具體的數據去獲取batch size的大小
2: 對于變量命名, 要善于用 variable_scope 來規范化命名, 以及 reuse 參數可以控制共享變量
補充知識：tensorflow RNN 使用動態的batch_size
在使用tensorflow實現RNN模型時，需要初始化隱藏狀態 
如下：
lstm_cell_1 = [tf.nn.rnn_cell.DropoutWrapper(tf.nn.rnn_cell.BasicLSTMCell(HIDDEN_SIZE),output_keep_prob=dropout_keep_prob) for _ in range(NUM_LAYERS)] cell_1 = tf.nn.rnn_cell.MultiRNNCell(lstm_cell_1) self.init_state_1 = cell_1.zero_state(self.batch_size,tf.float32)
如果我們直接使用超參數batch_size初始化 在使用模型預測的結果時會很麻煩。我們可以使用動態的batch_size，就是將batch_size作為一個placeholder，在運行時，將batch_size作為輸入輸入就可以實現根據數據量的大小使用不同的batch_size。
代碼實現如下：
self.batch_size = tf.placeholder(tf.int32,[],name='batch_size')
self.state = cell.zero_state(self.batch_size,tf.float32)
看完了這篇文章，相信你對tensorflow如何動態獲取BatchSzie大小有了一定的了解，想了解更多相關知識，歡迎關注億速云行業資訊頻道，感謝各位的閱讀！
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
