我在训练集中发现了一些错误的数据（标签错误的示例），并且在固定源代码的同时，我想继续尝试使用相同的数据集，因此我需要跳过这些记录。
我正在使用TFRecordReader并使用parse_single_example＆shuffle_batch加载。我可以在某处提供过滤器吗？
在文档中使用tf.train.shuffle_batch()和做了简短的参考enqueue_many=True。如果您可以使用图形操作确定示例是否贴错标签，则可以像这样过滤结果（改编自另一个SO答案）：
X, y = tf.parse_single_example(...)
is_correctly_labelled = correctly_labelled(X, y)
X = tf.expand_dims(X, 0)
y = tf.expand_dims(y, 0)
empty = tf.constant([], tf.int32)
X, y = tf.cond(is_correctly_labelled,
lambda: [X, y],
lambda: [tf.gather(X, empty), tf.gather(y, empty)])
Xs, ys = tf.train.shuffle_batch(
[X, y], batch_size, capacity, min_after_dequeue,
enqueue_many=True)
这tf.gather只是获取零尺寸切片的一种方法。在numpy中，它将是X[[], ...]。
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句