TPU MNIST example: incorrect normalization of image values

Abierto Apto para principiantes
#435 0 comentarios 1 reacción 0 asignados Ver en GitHub

Nadie ha tomado este issue todavía.

Evaluación

Dificultad
1/5
Tiempo estimado
Menos de una hora
Aptitud para principiantes
78/100
Tipo de issue
Error
Claridad
Bien especificado
Estado de actividad
Estancado
Stack tecnológico
jupyter-notebook, python

Línea de trabajo

El error está en la función read_image de keras_mnist_tpu.ipynb, que divide los píxeles uint8 decodificados entre 256.0. Localiza esa función y cambia el divisor a 255.0. Luego revisa la celda de preparación del dataset, que según el issue debe usar el mismo factor. Está terminado cuando ambos lugares usan 255 y el notebook sigue ejecutándose de principio a fin.

Escrito por el modelo de indexación a partir del texto del issue.

Descripción

In https://github.com/tensorflow/tpu/blob/master/tools/colab/keras_mnist_tpu.ipynb:

def read_image(tf_bytestring):
    image = tf.decode_raw(tf_bytestring, tf.uint8)
    image = tf.cast(image, tf.float32)/256.0
    image = tf.reshape(image, [28*28])
    return image

should be:

    image = tf.cast(image, tf.float32)/255.0

The reasons: in float representation the image range is [0.0, 1.0] and in int it is [0, 255]. In order to map 255 to 1.0 the normalization factor needs to be 255, not 256.

Also make sure the same factor is used in the opposite operation while preparing the dataset.

Lenguaje dominante
Jupyter Notebook
Estrellas
5.3k
Forks
1.7k
Métricas de merge de PR
Sin PR fusionados en 30 d

Preparar el entorno

Este proyecto no incluye contenedor de desarrollo, Dockerfile ni guía de contribución, así que la configuración corre por tu cuenta: empieza por su README y consulta nuestra guía para la primera contribución para los pasos generales.

Primeros pasos

  1. Lee el issue completo y luego la guía de contribución del proyecto.
  2. Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
  3. Haz un fork del repositorio y trabaja en una rama.
  4. Abre un pull request que haga referencia al número del issue.

Más de tensorflow/tpu

Todos los issues de tensorflow/tpu

Issues similares

Más issues de Machine Learning

Recibe los nuevos issues en tu correo

Un resumen breve de issues de GitHub para principiantes.