Question

因此，我正在使用Tensorflow编写GAN，并且需要鉴别器和生成器成为对象。现在，我在为鉴别器创建训练数据集时遇到问题。

目前，我代码的相关部分如下：

self.dataset=tf.data.Dataset.from_tensor_slices((self.y_,self.x_)) #creates dataset
self.fake_dataset=tf.data.Dataset.from_tensor_slices((self.x_fake_)) #creates dataset

self.dataset=self.dataset.shuffle(buffer_size=BUFFER_SIZE) #shuffles
self.fake_dataset=self.fake_dataset.shuffle(buffer_size=BUFFER_SIZE) #shuffles

self.dataset=self.dataset.repeat().batch(self.batch_size) #batches      
self.fake_dataset=self.fake_dataset.repeat().batch(self.batch_size) #batches

self.iterator=tf.data.Iterator.from_structure(self.dataset.output_types,self.dataset.output_shapes) #creates iterators  
self.fake_iterator=tf.data.Iterator.from_structure(self.fake_dataset.output_types,self.fake_dataset.output_shapes) #creates iterators   

self.x=self.iterator.get_next() 
self.x_fake=self.fake_iterator.get_next() 

self.dataset_init_op = self.iterator.make_initializer(self.dataset,name=self.name+'_dataset_init')  
self.fake_dataset_init_op=self.fake_iterator.make_initializer(self.fake_dataset,name=self.name+'_dataset_init')

我需要的功能是交替提供一批self.x，然后再提供一批self.x_fake。

是否有一种简单的方法来执行此操作，或者我将不得不得到一个计数器和一个if语句的结果？

Answer 1

不确定我是否完全了解您的需求，但是如果您想在图构建时定义的同一调用中交替使用不同的迭代器，则可以使用Python逻辑选择迭代器你需要。例如：

def __init__(self):
    # Make graph and iterators...
    self._use_fake_batch = False

def next_batch(self):
    iter = self.fake_iterator if self._use_fake_batch else self.iterator
    self._use_fake_batch = not self._use_fake_batch
    return iter.get_next()

或者不使用其他变量，请使用itertools：

from itertools import chain, repeat

def __init__(self):
    # Make graph and iterators...
    self._iterators = chain.from_iterable(repeat((self.iterator, self.fake_iterator)))

def next_batch(self):
    return next(self._iterators).get_next()

Tensorflow合并数据集

1 个答案: