我最近开始使用tensorflow.contrib.learn（skflow）库并且非常喜欢它。但是，我在使用Estimator时遇到问题，fit函数使用
X，Y和batch_size） - 此方法的问题在于它不支持指定时期数和允许任意数据源的规定。input_fn - 此外，设置时代，它为我提供了更多的培训来源灵活性（在我的情况下直接来自数据库）。 现在我知道我可以创建读取文件的input_fn，但是，由于我对处理文件不感兴趣，以下函数对我没用 -
tf.contrib.learn.read_batch_examples tf.contrib.learn.read_batch_features tf.contrib.learn.read_batch_record_features 理想情况下，我想使用StreamingDataFeeder作为input_fn。我有什么想法可以实现这个目标吗？
答案 0 :(得分：0)
StreamingDataFeeder / x / y / fit predict提供evaluate / Estimator的迭代器时，会使用 x = (np.array([i]) for i in xrange(10**10)) # use range for python >=3.0
y = (np.array([i + 1]) for i in xrange(10**10))
lr = tf.contrib.learn.LinearRegressor(
feature_columns=[tf.contrib.layers.real_valued_column('')])
# only consumes 1000*10 values from iterators.
lr.fit(x, y, steps=1000, batch_size=10)
示例：
input_fn如果要使用Tensor来提供数据，则需要使用图形操作来读取/处理数据。例如，您可以创建一个C ++操作来生成您的数据（它可以是侦听端口或从数据库Op读取）并转换为#include <ncurses.h>
struct TEST_STRUCT
{
char nCharacter; // Where I want to store variable for printed character
short nTestNumber; // Other stuff in struct
};
TEST_STRUCT sTestData[] = {
{ '.', 1 }, // Period
{ ',', 2 }, // Comma
{ ACS_VLINE, 1 } // Vertical Line
};
int main(void)
{
initscr();
clear();
for( int n = 0; n < 3; n++)
{
addch(sTestData[n].nCharacter); // print the characters in the struct
}
refresh();
endwin();
return 0;
}
。主要是这对于从文件中读取数据很有用，但也可以实现其他读者。