Question

我想使用tf.estimator.Estimator来管理我的培训，但在使用tf.data API时遇到一些麻烦。

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)

由于我无法使用make_one_shot_iterator作为我的用例，我的问题是input_fn包含一个应该在model_fn内初始化的迭代器（这里，我使用{ {3}}初始化本地操作。）

此外，我了解我们不能仅使用input_fn = iterator.get_next，否则其他操作不会添加到同一图表中。

初始化迭代器的推荐方法是什么？

Answer 1

从TensorFlow 1.5开始，可以使input_fn返回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值设定项，并依赖于默认初始值设定项。

tf.add_to_collection(tf.GraphKeys.TABLE_INITIALIZERS, iterator.initializer)

如何在tf.estimator的input_fn中使用tf.data的可初始化迭代器？

1 个答案: