我'm attempting to use tensorflow'的批处理系统，详见此处https://www.tensorflow.org/versions/master/how_tos/reading_data/index.html，使用我之前训练过的模型进行预测 . 目前我已将我在tf.train.batch中使用的批量大小设置为等于我想要预测的数据集的大小 .
但是，我想创建一个验证集来测试我的预测并避免过度拟合 .
Is there a way to separate a validation set from the training data using the batching system or is the only way to use placeholders?
以下是我负责培训的代码示例 . 它：
-
从CSV文件读取数据，将数据转换为张量
-
将张量传递给tf.train.shuffle_batch进行训练
def input_pipeline（filename_list，batch_size，capacity）：filename_queue = tf.train.string_input_producer（filename_list，num_epochs = None）reader = tf.TextLineReader（）key，value = reader.read（filename_queue）
# Defaults force key value and label to int, all others to float.
record_defaults = [[1]]+[[46]]+[[1.0] for i in range(436)]
# Reads in a single row from the CSV and outputs a list of scalars.
csv_list = tf.decode_csv(value, record_defaults=record_defaults)
# Packs the different columns into separate feature tensors.
location = tf.pack(csv_list[2:4])
bbox = tf.pack(csv_list[5:8])
pix_feats = tf.pack(csv_list[9:])
onehot = tf.one_hot(csv_list[1], depth=98)
keep_prob = 0.5
# Creates batches of images and labels.
image_batch, label_batch = tf.train.shuffle_batch(
[pix_feats, onehot],
batch_size=batch_size, num_threads=4, capacity=capacity, min_after_dequeue=30000)
return image_batch, label_batch
1 回答
我不确定你的record_defaults .
所以有几种方法可以做到这一点 . 你可以有两个不同的“shuffle_batch”，它将接收训练数据，另一个将接收验证数据 . 然后你打电话来运行其中一个 .
占位符是另一种选择 .