回答情况：
提问时间：
问题标签：
(example, features={ 'map_raw': tf.FixedLenFeature([], tf.string),})
image = tf</
浏览 5修改于2017-07-02得票数 24
(serialized_example, features={ 'height':tf.FixedLenFeature)image = features['image_raw']
height, width = features['height'], features['width'
浏览 3提问于2018-01-09得票数 2
回答已采纳
= data.tostring() 'label_raw': _int64_feature(annotation_raw)}))([], tf.string
浏览 1修改于2019-05-06得票数 2
raw_image_dataset = tf.data.TFRecordDataset('images.tfrecords') 'depth': tf.io.FixedLenFeature([], tf.int64),
'label': tf</
浏览 2提问于2019-11-12得票数 0
我在网上查看了代码示例，我不确定何时需要使用decode_raw，何时不需要使用。)).encode('utf-8')] 'image_raw': _bytes_feature(raw)), }
parsed_features =
浏览 0修改于2018-02-19得票数 1
回答已采纳
我写了以下几篇文章，但并没有正确地发挥作用：ctr=0; tf = strcmp(char(raw{i,4}),char(raw{i-1,4})); ctr = ctr+1;read (herein, columns '
浏览 0提问于2017-04-14得票数 0
回答已采纳
import numpy as npy_raw = np.array([12000, 14000, 15000, 16500, 17500])y = (y_raw - y_raw.min()) /(y_raw</e
浏览 0提问于2018-09-11得票数 0
回答已采纳
feature_description = {'image_raw': tf.io.FixedLenFeature([], tf.string, default_value='')} tfr_loc = 'inputs.tfr' parsed_dataset =raw_datas
浏览 4提问于2019-11-20得票数 0
我的阅读解析功能是： 'label': tf.io.FixedLenFeature():
# Parse the inputreturn tf.i
浏览 4提问于2020-03-09得票数 8
回答已采纳
tf.InteractiveSession()sess=tf.Session()img_data=tf.image.conve
浏览 6提问于2018-02-27得票数 2
回答已采纳
我想使用tf.data.Dataset函数创建一些from_generator()。我想向生成器函数(raw_data_gen)发送一个参数。其思想是生成器函数将根据发送的参数产生不同的数据。training_dataset = tf.data.Dataset.from_generator(raw_data_gen, (tf.float32, tf.uint8), ([None, 1], [None]), args=([1]))
validation_dataset = tf<
浏览 0提问于2018-09-21得票数 14
回答已采纳
我有一个功能列，它只是一个字符串：我的图使用tf.decode_raw将张量转换为二进制这在batch_size = 1时有效，但当字符串长度不同时，batch_size >1则无效。decode_raw抛出DecodeRaw requires input strings
浏览 4提问于2018-01-23得票数 3
回答已采纳
我的问题是关于tf.name_scope在教程代码中的使用， #use raw_data, batch_size, num_steps to construct tf objects
用列表tf.name_scope调用raw_data、batch_sizeraw_
浏览 3提问于2017-01-14得票数 2
context_features site_code_raw, scalar, tf.string Time_Local_raw# site_code_raw, sc
浏览 2修改于2017-09-30得票数 1
': tf.FixedLenFeature([], tf.string), 'img_raw':tf.FixedLenFeature([], tf.string), })
image = tf.reshape(image, [224, 224, 3])
imag
浏览 1提问于2017-11-05得票数 0
回答已采纳
([], tf.int64), 'image_raw' : tf.FixedLenFeaturefeature = tf.parse_single_example(example_proto, image_feature_description)
feature['image_raw']= <em
浏览 0提问于2019-03-31得票数 0
回答已采纳
尽管在交互式程序中，系统输出显示我已成功创建该文件，但我在文件系统中找不到该文件。 我使用的Tensorflow版本是0.11rc，使用的是Python 2。操作系统是Ubuntu 16.04。保存会话的源码如下： # Import TensorFlow and enable interactive sessionssess = tf.InteractiveSessiona boolean vector called `spikes` to locate a sudden spike in
浏览 106提问于2016-12-08得票数 3
回答已采纳
我已经将图像及其标签的目录转换为TFRecords文件，特征映射包括image_raw、label、height、width和depth。for fname, lb in data_samples: image_raw'image_raw': _bytes_feature(image_raw),
'label': _int64_fe
浏览 5提问于2016-10-26得票数 3
(example, features={
})
image = features['image_<em
浏览 15修改于2019-01-16得票数 0
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号