今天小编就为大家分享一篇TensorFlow dataset.shuffle、batch、repeat的使用详解，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

1.作用 dataset.shuffle作用是将数据进行打乱操作，传入参数为buffer_size，改参数为设置“打乱缓存区大小”，也就是说程序会维持一个buffer_size大小的缓存，每次都会随机在这个缓存区抽取一定数量的数据 dataset.batch作用是将数据打包成batch_size dataset.repeat作用就是将数据重复使用多少epoch 2.各种不同顺序的区别 示例代码（以下面代码作为说明）： # -*- coding: utf-8 -*- import t

直接看代码例子，有详细注释！！ import tensorflow as tf import numpy as np d = np.arange(0,60).reshape([6, 10]) # 将array转化为tensor data = tf.data.Dataset.from_tensor_slices(d) # 从data数据集中按顺序抽取buffer_size个样本放在buffer中，然后打乱buffer中的样本 # buffer中样本个数不足buffer_size，继续从data数