Deep Learning avec Keras et TensorFlow

542

Annexe E Graphes TensorFlow

fonction concrète différente pour chaque taille de lot, ni compter sur lui pour déter-

miner quand utiliser None. Dans ce cas, vous pouvez préciser la signature d’entrée

de la manière suivante

:

@tf.function(input_signature=[tf.TensorSpec([None, 28, 28], tf.float32)])

def shrink(images):

return images[:, ::2, ::2] # Enlever la moitié des lignes et colonnes

Cette fonction TF acceptera tout tenseur de type oat32 et de forme [*, 28, 28], et

réutilisera à chaque fois la même fonction concrète

:

img_batch_1 = tf.random.uniform(shape=[100, 28, 28])

img_batch_2 = tf.random.uniform(shape=[50, 28, 28])

preprocessed_images = shrink(img_batch_1) ...