传递将dict返回给Keras的tf.data.Dataset

Question

背景

据我所知，Keras将成为编写渴望/懒惰不可知模型(source)的首选方式。 Keras（source）似乎也支持tf.data，这很棒，因为这是我当前的tf.estimator项目使用的ETL。

问题

我想保留我的tf.data管道，但用tf.estimator替换我的tf.keras.Model，但是在移植图形之后，我被

绊倒了

ValueError: Please do not pass a dictionary as model inputs.

调用model.fit(dataset, steps_per_epoch=n)对我来说似乎很奇怪，因为tf.data / tf.estimator是为与(features: dict, labels: dict)一起使用而设计的，其中dict中的值为张量。

摘要

如何将tf.keras.Model与字典配合使用？

Answer 1

一种临时的解决方法是使用张量元组而不是字典，例如通过调用

def flatten(dataset):
    return dataset.map(lambda features, labels: (tuple(features.values()), tuple(labels.values())))

在model.fit之前，同时确保Model.call通过索引而不是键（例如return tuple(outputs.values())等）。

不幸的是： 上面的技巧仅适用于培训数据。对于model.fit(validation_data=flatten(validation_dataset), ...)，由于某些内部错误而无法使用：https://github.com/tensorflow/tensorflow/issues/21729