tensorflow - 如何训练不同维度的数据
问题描述
我想根据不同的数据集训练模型。数据集由不同维度的数据组成。例如,在 NLP 中,句子的长度不同。为了不浪费计算资源,我不想填充 0 以使它们具有相同的尺寸。我怎么做?
我尝试了多种方法。
- 对于循环。我的伪代码如下:
model = ...
for dataset in datasets:
model.fit(dataset)
gc.collect()
不幸的是,即使使用显式垃圾收集,内存(不是 GPU 内存)也会很快耗尽。
- 数据集生成器。不幸的是,很难定义形状函数等。
非常感谢!
解决方案
推荐阅读
- flutter - Flutter:如何检测在 TextField 上按下了删除键
- neo4j - 密码从结果中删除 null s
- r - R中的面板回归问题
- python - 无法解决错误 TypeError: unhashable type: 'list' in pandas
- hex - 获取正确值的问题(字节,字)
- python - 使用 Plotly Express 的财务图表不会在 PyCharm 内部运行
- watchkit - 如何从 Apple Watch 上的其他应用打开 Apple 的默认应用?
- node.js - 当我尝试在 nodejs 中使用 twilio 从前端发送短信时出现这些错误
- javascript - 将默认道具的类型定义添加到组件的所有子项
- css - 如何选择与另一个页面具有相同类别的多个图像