tf.contrib.training.stratified_sample

Случайно создаёт пакеты данных на основе вероятностей по классам.

tf.contrib.training.stratified_sample(
    tensors, labels, target_probs, batch_size, init_probs=None, enqueue_many=False,
    queue_capacity=16, threads_per_queue=1, name=None
)

Этот метод отбрасывает примеры. Внутренне он создаёт одну очередь для амортизации затрат на чтение с диска и одну очередь для хранения пакета с надлежащим распределением по классам.

Аргументы
`tensors`	Список тензоров для данных. Все тензоры являются либо одним элементом, либо пакетом, в соответствии с enqueue_many.
`labels`	Тензор для метки данных. Метка — это целое число или пакет, в зависимости от `enqueue_many`. Это не вектор one-hot.
`target_probs`	Целевые доли классов в пакете. Объект, тип которого имеет зарегистрированную функцию преобразования тензора.
`batch_size`	Размер возвращаемого пакета.
`init_probs`	Доли классов в данных. Объект, тип которого имеет зарегистрированную функцию преобразования тензора, или `None` для оценки начального распределения.
`enqueue_many`	Булево значение. Если True, интерпретировать входные тензоры как имеющие размерность пакета.
`queue_capacity`	Ёмкость большой очереди, содержащей входные примеры.
`threads_per_queue`	Количество потоков для большой очереди, хранящей входные примеры, и для конечной очереди с надлежащим распределением по классам.
`name`	Необязательный префикс для операций, созданных этой функцией.

Исключения
`ValueError`	Если `tensors` не является итерируемым.
`ValueError`	`enqueue_many` равно True, и метки не имеют размерности пакета, или если `enqueue_many` равно False, и метки не являются скаляром.
`ValueError`	`enqueue_many` равно True, и размерность пакета для данных и меток не совпадает.
`ValueError`	если вероятности не суммируются до единицы.
`ValueError`	если класс с нулевой начальной вероятностью имеет ненулевую целевую вероятность.
`TFAssertion`	если метки не являются целыми числами в диапазоне [0, число классов).

Возвращаемое значение
(data_batch, label_batch), где data_batch — список тензоров той же длины, что и `tensors`

Пример:

Получение тензора для одного примера данных и метки.

data, label = data_provider.Get(['data', 'label'])

Получение пакет данных с иерархией, соответствующей вероятности по классам.

target_probs = [...распределение, которое вы хотите...] [data_batch], labels = tf.contrib.training.stratified_sample( [data], label, target_probs)

Запуск пакета через сеть.

...

© 2020 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 3.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/versions/r1.15/api_docs/python/tf/contrib/training/stratified_sample