在tensorflow中如何實現(xiàn)去除不足一個batch的數(shù)據(jù)

小編給大家分享一下在tensorflow中如何實現(xiàn)去除不足一個batch的數(shù)據(jù)，相信大部分人都還不怎么了解，因此分享這篇文章給大家參考一下，希望大家閱讀完這篇文章后大有收獲，下面讓我們一起去了解一下吧！

代碼如下

#-*- coding:utf-8 -*-
import tensorflow as tf
import numpy as np
 
value1 = tf.placeholder(dtype=tf.float32)
value2 = tf.placeholder(dtype=tf.float32)
value3 = value1 + value2
 
#定義的dataset有參數(shù)，只能使用參數(shù)化迭代器
dataset = tf.data.Dataset.range(10)
# 定義參數(shù)化迭代器
dataset = dataset.shuffle(100)
dataset = dataset.apply(tf.contrib.data.batch_and_drop_remainder(3)) #每個batch4個數(shù)據(jù)，不足3個舍棄
iterator = dataset.make_initializable_iterator()
next_element = iterator.get_next()
 
with tf.Session() as sess:
  # 需要用參數(shù)初始化迭代器
  for i in range(2):
    sess.run(iterator.initializer)
    while True:
      try:
        value = sess.run(next_element)
        result = sess.run(value3,feed_dict={value1:value,value2:value})
        print(result)
      except tf.errors.OutOfRangeError:
        print("End of epoch %d" % i)
        break

以上是“在tensorflow中如何實現(xiàn)去除不足一個batch的數(shù)據(jù)”這篇文章的所有內(nèi)容，感謝各位的閱讀！相信大家都有了一定的了解，希望分享的內(nèi)容對大家有所幫助，如果還想學(xué)習(xí)更多知識，歡迎關(guān)注億速云行業(yè)資訊頻道！