36、数据处理与预处理：TensorFlow实战指南

rust6ferris

于 2025-08-25 13:57:34 发布

阅读量19

点赞数

CC 4.0 BY-SA版权

分类专栏：深度学习设计模式精解文章标签： TensorFlow 数据处理数据预处理

本文链接：https://blog.csdn.net/rust6ferris/article/details/151033809

深度学习设计模式精解专栏收录该内容

41 篇文章 ¥399.00 ¥499.90

订阅专栏

超级会员免费看

数据处理与预处理：TensorFlow实战指南

1. 数据管道构建

在构建数据管道时，我们可以从内存中的数据源（如NumPy或TensorFlow张量格式）构建，也可以从磁盘上的数据源使用TFRecords构建。

首先，我们来看一个从内存数据源构建数据管道并训练模型的示例：

from tensorflow.keras import Sequential
from tensorflow.keras.layers import Conv2D, BatchNormalization, ReLU, Flatten, Dense

model = Sequential()
model.add(Conv2D(16, (3,3), strides=1, padding='same', input_shape=(32, 32, 3)))
model.add(BatchNormalization())
model.add(ReLU())
model.add(Conv2D(32, (3,3), strides=1, padding='same'))
model.add(BatchNormalization())
model.add(ReLU())
model.add(Flatten())
model.add(Dense(10, activation='softmax'))
model.compile(loss='sparse_categorical_crossentropy', optimizer='adam', metrics=['acc'])

batches = 50000 // 128
model.fit(dataset, ste