出队被称为单次训练批次的两次

我想用Tensorflow来训练一个卷积网络。卷积层的输入是3 Chaneel彩色图像和输出（标签）是单通道图像。我正在使用tfrecord和队列。下面出队被称为单次训练批次的两次

image, labelImage = queue.dequeue_many(BATCH_SIZE)

图像出列运算给出进入作为输入到第一卷积层和labelImage用于计算损失。

conv1 = tf.layers.conv2d(inputs=img,filters=8,kernel_size=5,padding='SAME',activation=tf.nn.relu) 
..... 
..... 
finaldeconv = tf.layers.conv2d_transpose(inputs=deconv2,filters=1,kernel_size=5,strides=(2,2),padding='SAME',activation=tf.nn.relu) 
loss = tf.divide(tf.square(tf.subtract(labelImage,finaldeconv)),2) 
cost = tf.reduce_mean(loss) 

optimiser = tf.train.AdamOptimizer(LEARNING_RATE) 
train = optimiser.minimize(cost)

所以，现在当我训练的内部会议

sess.run(train)

运算调用应该是上面的代码如下： -

火车运称损失运算。损失运算要求labeImage和finaldeconv finaldeconv调用CONV1 CONV1调用图像

图像和labelImage两个呼叫dequeop

我没有得到CONV层图像和相应的labelImage计算损失。图像和LabelImage分别调用deque。我怎样才能解决这个问题？

一种方法是使用占位符，并将图像和labelImage放置到占位符，但我不想腰部时间复制gpu。我已经在GPU上有队列了。

来源

2017-09-26 Tarun Mishra

图像和labelImage两个呼叫dequeop

是的，相同dequeop，并联。

既然你不显式调用（使用不同sess.run电话）image或labelImage，你可以肯定的是image & labelImage去对。

如果您使用的是单sess.run调用train操作但你得到不输入图像正确标签值，问题是其他地方：也许你的公会形象标签是错误的或你打电话sess.run(op1)和sess.run(op2)其中op1使用image和op2使用labelImage。

在这种情况下，image是图像的“先前”值，而imageLabels是与实际（并且尚未获取）图像关联的标签。

来源

2017-09-26 10:32:13 nessuno

首先感谢您的回复。我想确认我正确理解您的答案。插入到队列中的一个训练示例采用列表格式ex- [image，labelImage]。我有如下创建队列： - queue = tf.RandomShuffleQueue（capacity = 100，min_after_dequeue = 2，dtypes = [ tf.float32，tf.float32]，shapes = [（IMAGE_ROWS，IMAGE_COLS，3），（IMAGE_ROWS，IMAGE_COLS）]）现在，如果我只是调用sess.run（train），它会只调用一次出队操作每次迭代？如果是这样，image和labelImage是成对的，我的问题将得到解决。 –

是的，你理解正确 – nessuno

出队被称为单次训练批次的两次

回答

相关问题