我想用 tf.estimator.Estimator 训练我的模式并通过数据集 API 加载我的数据。因为我的数据，例如“mnist”，是一个数组(张量)，所以我尝试用“tf”加载它.data.Dataset.from_tensor_slices'。但我不知道如何在“input_fn”中初始化“make_initializable_iterator”。
如果我可以使用“make_one_shot_iterator”来成功训练，但它在训练前加载缓慢。和《 Higher-Level APIs in TensorFlow 》是在'input_fn'中'make_initializable_iterator'的一个很好的例子，但它需要从'input_fn'返回一个'iterator_initializer_hook'给其他函数。我想知道还有其他更好或更优雅的方式吗？
def input_fn():
mnist_data = input_data.read_data_sets('mnist_data', one_hot=False)
images = mnist_data.train.images.reshape([-1, 28, 28, 1])
labels = np.asarray(mnist_data.train.labels, dtype=np.int64)
# Build dataset iterator
dataset = tf.data.Dataset.from_tensor_slices((images, labels))
dataset = dataset.repeat(None) # Infinite iterations
dataset = dataset.shuffle(buffer_size=10000)
dataset = dataset.batch(100)
iterator = dataset.make_one_shot_iterator()
next_example = iterator.get_next()
# Set runhook to initialize iterator
return next_example
请您参考如下方法:
在 TensorFlow 1.5 及更高版本中，tf.estimator.Estimator 将在您从 input_fn。这使您能够编写以下代码，而不必担心初始化或 Hook :
def input_fn():
mnist_data = input_data.read_data_sets('mnist_data', one_hot=False)
images = mnist_data.train.images.reshape([-1, 28, 28, 1])
labels = np.asarray(mnist_data.train.labels, dtype=np.int64)
# Build dataset.
dataset = tf.data.Dataset.from_tensor_slices((images, labels))
dataset = dataset.repeat(None) # Infinite iterations
dataset = dataset.shuffle(buffer_size=10000)
dataset = dataset.batch(100)
return dataset
