TFLearn - 什么是 input_data
TFLearn - What is input_data
我遇到了以下语句：
convnet = input_data(shape=[None,img_size,img_size,1], name='input')
我试图寻找描述，但找不到明确的解释。
我的主要问题是函数input_data主要做什么？它就像是我们输入数据的占位符吗？
关于形状，什么是开头None，结尾1？
谢谢。
De Santa 回答正确：input_data 是输入特征的占位符。你提到的数组首先持有 None （总是），然后是 IMG 宽度和高度（似乎图像是平方的，因为宽度 = 高度）和通道（在这种情况下是 1；例如：如果是 RGB，你会得到3 个通道）。这样网络就可以知道输入特征的维度。
input_data 是一个 层 ，将用作网络的输入层。在顺序模型中添加任何常用层之前，您需要指定输入的外观。例如，在 mnist 数据集中，您有 784 数组表示 28x28 图像。
在您的示例中，网络需要形状为 (None, img_size,img_size,1] 的输入，用人类语言表示：
None -
的许多或多个或多少图像
img_size X img_size - 图像尺寸
1 - 一个颜色通道
如果 mnist 数据集为全 RGB 颜色，则输入数据的形状为 (None, 28, 28, 3)
通常 None 你可以认为是 batch_size.
更明确地说，如果您的 batch_size 为 1，那么在我们的 mnist RGB 示例中，您需要三个 28x28 矩阵作为输入，一个代表图像的 R 像素，另一个代表 G 像素，最后一个代表图像的 B 像素。这只是一个条目。在这种情况下，None 值将是 1，但通常它是您决定 batch_size 的值。你从这里得到图片。
希望它能解决问题。
干杯，
加布里埃尔
我遇到了以下语句：
convnet = input_data(shape=[None,img_size,img_size,1], name='input')
我试图寻找描述，但找不到明确的解释。
我的主要问题是函数input_data主要做什么？它就像是我们输入数据的占位符吗？
关于形状，什么是开头None，结尾1？
谢谢。
De Santa 回答正确：input_data 是输入特征的占位符。你提到的数组首先持有 None （总是），然后是 IMG 宽度和高度（似乎图像是平方的，因为宽度 = 高度）和通道（在这种情况下是 1；例如：如果是 RGB，你会得到3 个通道）。这样网络就可以知道输入特征的维度。
input_data 是一个 层 ，将用作网络的输入层。在顺序模型中添加任何常用层之前，您需要指定输入的外观。例如，在 mnist 数据集中，您有 784 数组表示 28x28 图像。
在您的示例中，网络需要形状为 (None, img_size,img_size,1] 的输入，用人类语言表示：
None -
的许多或多个或多少图像
img_size X img_size - 图像尺寸
1 - 一个颜色通道
如果 mnist 数据集为全 RGB 颜色，则输入数据的形状为 (None, 28, 28, 3)
通常 None 你可以认为是 batch_size.
更明确地说，如果您的 batch_size 为 1，那么在我们的 mnist RGB 示例中，您需要三个 28x28 矩阵作为输入，一个代表图像的 R 像素，另一个代表 G 像素，最后一个代表图像的 B 像素。这只是一个条目。在这种情况下，None 值将是 1，但通常它是您决定 batch_size 的值。你从这里得到图片。
希望它能解决问题。
干杯，
加布里埃尔