Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Вивчайте Пакети | Тензори
Вступ до TensorFlow

bookПакети

Пакети у обробці даних

Під час навчання моделі машинного навчання зазвичай дані подаються невеликими частинами, а не всі одразу. Ці частини називаються «пакетами». Замість того, щоб подавати моделі один елемент даних (наприклад, одне зображення чи одне речення), ми можемо подавати пакет із, наприклад, 32 елементів одночасно. Такий підхід робить навчання стабільнішим і швидшим.

Щодо тензорів, це означає додавання додаткового виміру на початку. Тобто, якщо дані одного елемента представлені тензором форми (height, width), то пакет таких елементів матиме форму (batch_size, height, width). У цьому прикладі, якщо розмір пакета — 32, то форма стає (32, height, width).

Припустимо, у нас є 2048 зразків даних, кожен із формою (base shape). Це дає тензор розміром (2048, base shape). Якщо розбити ці дані на пакети по 32 зразки, отримаємо 64 пакети, оскільки 64 * 32 = 2048. Нова форма буде (64, 32, base shape).

Під час проєктування власної нейронної мережі чи іншої моделі можна використовувати різні форми для зазначених вище завдань. Однак ці підходи до формування є стандартними у Tensorflow, оскільки вони структуровані як логічно, так і ієрархічно для оптимізації продуктивності алгоритмів навчання.

question mark

Система відеоспостереження записує відео пакетами для обробки. Якщо у вас є пакети з 10 відео, кожне тривалістю 5 хвилин, з кадром щосекунди, і кожен кадр — це кольорове зображення розміром 512x512 пікселів, яку форму тензора представляють ці дані?

Select the correct answer

Все було зрозуміло?

Як ми можемо покращити це?

Дякуємо за ваш відгук!

Секція 1. Розділ 5

Запитати АІ

expand

Запитати АІ

ChatGPT

Запитайте про що завгодно або спробуйте одне із запропонованих запитань, щоб почати наш чат

Awesome!

Completion rate improved to 5.56

bookПакети

Свайпніть щоб показати меню

Пакети у обробці даних

Під час навчання моделі машинного навчання зазвичай дані подаються невеликими частинами, а не всі одразу. Ці частини називаються «пакетами». Замість того, щоб подавати моделі один елемент даних (наприклад, одне зображення чи одне речення), ми можемо подавати пакет із, наприклад, 32 елементів одночасно. Такий підхід робить навчання стабільнішим і швидшим.

Щодо тензорів, це означає додавання додаткового виміру на початку. Тобто, якщо дані одного елемента представлені тензором форми (height, width), то пакет таких елементів матиме форму (batch_size, height, width). У цьому прикладі, якщо розмір пакета — 32, то форма стає (32, height, width).

Припустимо, у нас є 2048 зразків даних, кожен із формою (base shape). Це дає тензор розміром (2048, base shape). Якщо розбити ці дані на пакети по 32 зразки, отримаємо 64 пакети, оскільки 64 * 32 = 2048. Нова форма буде (64, 32, base shape).

Під час проєктування власної нейронної мережі чи іншої моделі можна використовувати різні форми для зазначених вище завдань. Однак ці підходи до формування є стандартними у Tensorflow, оскільки вони структуровані як логічно, так і ієрархічно для оптимізації продуктивності алгоритмів навчання.

question mark

Система відеоспостереження записує відео пакетами для обробки. Якщо у вас є пакети з 10 відео, кожне тривалістю 5 хвилин, з кадром щосекунди, і кожен кадр — це кольорове зображення розміром 512x512 пікселів, яку форму тензора представляють ці дані?

Select the correct answer

Все було зрозуміло?

Як ми можемо покращити це?

Дякуємо за ваш відгук!

Секція 1. Розділ 5
some-alt