Question

在2018年TensorFlow开发者峰会的tf.data talk中，Derek Murray提出了一种方法，将tf.data API与TensorFlow的急切执行模式（10:54）结合起来。我试用了那里显示的代码的简化版本：

import tensorflow as tf
tf.enable_eager_execution()

dataset = tf.data.Dataset.from_tensor_slices(tf.random_uniform([50, 10]))
dataset = dataset.batch(5)
for batch in dataset:
    print(batch)

造成

TypeError: 'BatchDataset' object is not iterable

我还尝试使用dataset.make_one_shot_iterator()和dataset.make_initializable_iterator()迭代数据集，但结果却是

RuntimeError: dataset.make_one_shot_iterator is not supported when eager execution is enabled.

和

RuntimeError: dataset.make_initializable_iterator is not supported when eager execution is enabled.

TensorFlow版本：1.7.0，Python版本：3.6

如何将tf.data API与急切执行一起使用？

Answer 1

make_one_shot_iterator()应该在TensorFlow 1.8中工作，但是现在（例如，对于TensorFlow 1.7），请执行以下操作：

import tensorflow.contrib.eager as tfe

dataset = tf.data.Dataset.from_tensor_slices(tf.random_uniform([50, 10]))
dataset = dataset.batch(5)
for batch in tfe.Iterator(dataset):
     print(batch)

Answer 2

使用 TF 2.1 ，

您可以这样创建一个迭代器：

iterator = iter(dataset)

并获取下一批值：

batch = iterator.get_next()

如何在急切执行模式下使用tf.data数据集？

2 个答案: