使用带有图像的编码器作为参数或使用预测方法。

Question

我正在使用Python3.7.7。和Tensorflow 2.1.0。

我正在使用一个来自been网络的编码器，我一直使用编码器作为一个函数，将图像作为一个参数传递，以获得一个输出。但是现在我发现我可以使用predict方法：

support_set_embeddings = encoder(X_train)
support_set_embeddings_predict = encoder(X_train)

print("Embeddings type: ", type(support_set_embeddings))
print("Embeddings predict type: ", type(support_set_embeddings_predict))
print("Support set embeddings shape: ", support_set_embeddings.shape)
print("Embeddings predict shape: ", support_set_embeddings_predict.shape)

有了这个输出：

Embeddings type:  <class 'tensorflow.python.framework.ops.EagerTensor'>
Embeddings predict type:  <class 'tensorflow.python.framework.ops.EagerTensor'>
Support set embeddings shape:  (5, 12, 12, 512)
Embeddings predict shape:  (5, 12, 12, 512)

这两种方法之间有什么不同(作为参数或预测)？

Answer 1

在预测函数中，分批计算。但是，如果您有较小的数据，那么函数调用更适合于更快的执行。

这是Tensorflow文档中的确切声明：

计算是分批进行的。该方法是针对大规模输入的性能而设计的。对于适合一批的少量输入，建议直接使用调用来加快执行速度，例如，模型(X)或模型(x，training=False)

请参阅完整的文档这里