我正在阅读有关有效加载大数据的不同技术。与 tf.keras.preprocessing.imageImageDataGenerator 相比,tf.data 似乎表现良好。
据我所知,tf.data 使用 CPU 流水线来高效地加载数据并进行处理,从而使模型训练连续且快速。但是我不明白这两种技术有何不同以及以何种方式不同。如果有人可以解释这一点,我将不胜感激。
最佳答案
主要区别在于 ImageDataGenerator 使用 Pillow 库加载和预处理图像,而 tf.data 使用 tf.image 预处理技术。 ImageDataGenerator 返回一批张量图像。此外,tf.data 使用prefetch、cache 等功能来提高准备数据集的效率。 p>
关于python - tf.data 与 tf.keras.preprocessing.image.ImageDataGenerator,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/60946027/
相关文章:
perl - 为什么我的 perl Catalyst redirect_and_detach 替换插
c# - TransactionScope 抛出异常 "This platform does not
python - Flask App 进行多次登录尝试的奇怪行为
python-3.x - Python 3.8 将 "open"视为导入的 openpyxl 方法而
r - 将 ggpredict() 和 ggplot2() 与缩放的连续变量一起使用并尝试取消缩放它
haskell - 使用 Haskell 从麦克风捕获音频输入?