TPU MNIST example: incorrect normalization of image values

Aperta Adatta ai principianti
#435 0 commenti 1 reazione 0 assegnatari Vedi su GitHub

Nessuno ha ancora preso questa issue.

Valutazione

Difficoltà
1/5
Tempo stimato
Meno di un'ora
Idoneità per principianti
78/100
Tipo di issue
Bug
Chiarezza
Specificata chiaramente
Stato di attività
Ferma
Stack tecnologico
jupyter-notebook, python

Direzione di ricerca

Il bug si trova nella funzione read_image di keras_mnist_tpu.ipynb, che divide i pixel uint8 decodificati per 256.0. Trova questa funzione e cambia il divisore in 255.0. Poi controlla la cella di preparazione del dataset, che secondo la issue deve usare lo stesso fattore. È completato quando entrambi i punti usano 255 e il notebook continua a funzionare dall'inizio alla fine.

Scritto dal modello di indicizzazione a partire dal testo della issue.

Descrizione

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.

Lingua principale
Jupyter Notebook
Stelle
5.3k
Fork
1.7k
Metriche di merge delle PR
Nessuna PR unita negli ultimi 30g

Preparare l'ambiente

Questo progetto non fornisce container di sviluppo, Dockerfile né guida per i contributori, quindi l'ambiente è a tuo carico: parti dal suo README e consulta la nostra guida al primo contributo per i passaggi generali.

Come iniziare

  1. Leggi tutta la issue e poi la guida ai contributi del progetto.
  2. Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
  3. Fai un fork del repository e lavora su un branch.
  4. Apri una pull request che faccia riferimento al numero della issue.

Altre issue di tensorflow/tpu

Tutte le issue di tensorflow/tpu

Issue simili

Altre issue su Machine Learning

Ricevi le nuove issue nella tua casella

Un breve riepilogo di issue GitHub adatte ai principianti.