在 TensorFlow 中,可以通过在数据集加载时指定 batch_size 参数来设置 batch size。例如,可以使用 tf.data.Dataset.batch() 方法来指定 batch size,如下所示:
batch_size = 32
dataset = tf.data.Dataset.from_tensor_slices((x_train, y_train))
dataset = dataset.batch(batch_size)
在训练模型时,可以通过调用 dataset 的方法来获取 batch 数据,如下所示:
for batch_data, batch_labels in dataset:
# 使用 batch_data 和 batch_labels 来训练模型
通过设置合适的 batch size,可以在训练模型时有效地利用计算资源,并且可以加快模型的训练速度。通常情况下,合适的 batch size 取决于数据集的大小和模型的复杂度,需要根据具体情况进行调整。
辰迅云「云服务器」,即开即用、新一代英特尔至强铂金CPU、三副本存储NVMe SSD云盘,价格低至29元/月。点击查看>>
推荐阅读: TensorFlow怎么导入和预处理数据