关于此事还有几个问题。
有时我想在Tensorflow中执行以下操作(假设我通过加载WAV文件创建训练示例):
import tensorflow as tf
def _some_audio_preprocessing_func(filename):
# ... some logic here which mostly uses Tensorflow ops ...
with tf.Session(graph=tf.Graph()) as sess:
wav_filename_placeholder = tf.placeholder(tf.string, [])
wav_loader = io_ops.read_file(wav_filename_placeholder)
wav_decoder = contrib_audio.decode_wav(wav_loader, desired_channels=1)
data = sess.run(
[wav_decoder],
feed_dict={wav_filename_placeholder: filename})
return data
dataset = tf.data.Dataset.list_files('*.wav')
dataset = dataset.map(_some_preprocessing_func)
- 如果我有一个使用张量运算的parse_image()函数,它应该属于主图吗?根据Google自己的音频TF教程所设定的示例,看起来他们创建了一个单独的图!这难道不会破坏使用Tensorflow加速计算的目的吗?
- 只要任何一行代码不来自Tensorflow库,我就要使用tf.py_func()吗?再次想知道性能影响和何时使用它...
谢谢!