例如，在创建操作，通过该操作馈送批处理数据并运行该操作之后，tf.train.batch是否自动将另一批数据馈送给会话？
我之所以这样问，是因为tf.train.batch具有allow_smaller_final_batch属性，这使得最终批次的加载小于指定的批次大小成为可能。这是否意味着即使没有循环，也可以自动喂入下一批？从教程代码中我很困惑。当我加载一个批次时，实际上是一个形状为[batch_size，height，width，num_channels]的单个批次，但是documentation表示为Creates batches of tensors in tensors.另外，当我阅读tf-slim walkthrough tutorial中的教程代码时，在一个名为load_batch的函数中，仅返回3个张量：images, images_raw, labels。文档中说明的数据“批”在哪里？
谢谢您的帮助。
最佳答案
... tf.train.batch是否自动将另一批数据输入会话？
不，没有任何自动发生。您必须再次调用sess.run(...)来加载新批次。
这是否意味着即使没有循环，也可以自动喂入下一批？
否。tf.train.batch(..)将始终加载batch_size张量。例如，如果您有100张图像和一个batch_size=30，则将有3 * 30批次，因为您可以在输入队列从头开始（如果为sess.run(batch)则停止）之前调用epoch=1三次。这意味着您会错过训练中的100-3*30=10个样本。如果您不想错过它们，可以执行tf.train.batch(..., allow_smaller_final_batch=True)，这样在重新开始输入队列之前，您将拥有3个30样本批和1个10样本批。
让我还详细说明一个代码示例：
queue = tf.train.string_input_producer(filenames,
num_epochs=1) # only iterate through all samples in dataset once
reader = tf.TFRecordReader() # or any reader you need
_, example = reader.read(queue)
image, label = your_conversion_fn(example)
# batch will now load up to 100 image-label-pairs on sess.run(...)
# most tf ops are tuned to work on batches
# this is faster and also gives better result on e.g. gradient calculation
batch = tf.train.batch([image, label], batch_size=100)
with tf.Session() as sess:
# "boilerplate" code
sess.run([
tf.local_variables_initializer(),
tf.global_variables_initializer(),
])
coord = tf.train.Coordinator()
threads = tf.train.start_queue_runners(sess=sess, coord=coord)
try:
# in most cases coord.should_stop() will return True
# when there are no more samples to read
# if num_epochs=0 then it will run for ever
while not coord.should_stop():
# will start reading, working data from input queue
# and "fetch" the results of the computation graph
# into raw_images and raw_labels
raw_images, raw_labels = sess.run([images, labels])
finally:
coord.request_stop()
coord.join(threads)
关于machine-learning - TensorFlow:批次完成训练后，tf.train.batch是否会自动加载下一个批次？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/41673889/