问题描述
从TensorFlow 1.5开始,可以input_fn
返回a tf.data.Dataset
,例如:
def input_fn():
dataset = tf.data.TextLineDataset("test.txt")
# map, shuffle, padded_batch, etc.
return dataset
请参阅c294fcfd。
对于以前的版本,您可以在tf.GraphKeys.TABLE_INITIALIZERS
集合中添加迭代器的初始化程序,并依赖默认的初始化程序。
tf.add_to_collection(tf.GraphKeys.TABLE_INITIALIZERS, iterator.initializer)
解决方法
我想使用来管理我的培训,tf.estimator.Estimator
但是将其与tf.data
API一起使用时遇到了一些麻烦。
我有这样的事情:
def model_fn(features,labels,params,mode):
# Defines model's ops.
# Initializes with tf.train.Scaffold.
# Returns an tf.estimator.EstimatorSpec.
def input_fn():
dataset = tf.data.TextLineDataset("test.txt")
# map,shuffle,padded_batch,etc.
iterator = dataset.make_initializable_iterator()
return iterator.get_next()
estimator = tf.estimator.Estimator(model_fn)
estimator.train(input_fn)
由于我无法在make_one_shot_iterator
用例中使用a
,因此我的问题是其中input_fn
包含应在其中初始化的迭代器model_fn
(在这里,我用于tf.train.Scaffold
初始化本地操作)。
另外,我知道我们不能只使用input_fn = iterator.get_next
其他操作,而不会将其他操作添加到同一图形中。
初始化迭代器的推荐方法是什么?