10

我想用 a 来管理我的培训，tf.estimator.Estimator但在与tf.dataAPI 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)

由于我不能将 amake_one_shot_iterator用于我的用例，我的问题是它input_fn包含一个应该在其中初始化的迭代器model_fn（这里，我tf.train.Scaffold用来初始化本地操作）。

另外，我知道我们不能只使用input_fn = iterator.get_next其他操作，否则其他操作将不会添加到同一个图中。

初始化迭代器的推荐方法是什么？

4

1 回答 1

13

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初始化程序。

tf.add_to_collection(tf.GraphKeys.TABLE_INITIALIZERS, iterator.initializer)
于 2017-07-10T15:51:54.007 回答