生成假数据用于卷积神经网络模型训练

背景

在设计神经网络时,用于测试的imageNet等数据集太大,所以生成假数据用来测试神经网络能不能正常运行

代码

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
import tensorflow as tf

# 参数设置
batch_size = 32
image_size = 24
image_channel = 3
n_classes = 10

# 生成假数据用于训练模型
def get_faked_train_batch(batch_size):
images = tf.Variable(tf.random_normal(shape=[batch_size, image_size, image_size, image_channel], mean=0.0, stddev=1.0, dtype=tf.float32))
# tf.random_uniform() 标准均匀分布
labels = tf.Variable(tf.random_uniform(shape=[batch_size], minval=0, maxval=n_classes, dtype=tf.int32))
return images, labels

# 生成假数据用于测试模型
def get_faked_test_batch(batch_size):
images = tf.Variable(tf.random_normal(shape=[batch_size, image_size, image_size, image_channel], mean=0.0, stddev=1.0, dtype=tf.float32))
# tf.random_uniform() 标准均匀分布
labels = tf.Variable(tf.random_uniform(shape=[batch_size], minval=0, maxval=n_classes, dtype=tf.int32))
return images, labels