Question

我有一个tf.Dataset，其中包含三个单独的条目。这意味着当我从数据集.iterator get_next()进行调用时，将获得以下值：

dataset = inputs(...) # Extracts Data from a TFRecord and preprocesses it
iterator = dataset.make_initializable_iterator()
sess.run(iterator.initializer)
sess.run(tf.tables_initializer())
input_1, label_1, label_2 = iterator.get_next()

此外，我构建了一个自定义损失函数，因此即使损失只有一个输出，我的损失也可以使用两个标签来计算一个损失。这种损失是受this的启发：

def loss_func(label_1, label_2):
    def loss(y_true, y_pred):  #  y_true is a dummy that is not used.
        """..."""
    return scalar
return loss

我想将我的数据集输入Keras model.fit(Dataset, ...)函数中。但是我不知道Keras如何处理数据集的三个不同值，而不是标准（值，标签）对。
我当前的猜测是Keras在调用fit遍历整个Dataset时创建了一个迭代器。对于迭代器，它将第一个值分配为输入x，将第二个值分配为标签y。

我可以通过哪种方式将我的数据集输入到model.fit（）函数或我可以使用哪些替代方法？

代码的结尾看起来像这样：

def loss_func(label_1, label_2):
    def loss(y_true, y_pred):  #  y_true is a dummy that is not used.
        """..."""
    return scalar
return loss

model = my_keras_model.get_model(...) # Returns the Keras Model

dataset = inputs(...)
iterator = dataset.make_initializable_iterator()
sess.run(iterator.initializer)
sess.run(tf.tables_initializer())
input_1, label_1, label_2 = iterator.get_next()

loss = loss_func(label_1, label_2)

model.compile(optimizer='adam',
              loss=loss)

model.fit(???)
# or model.train_on_batch()?

如何将具有两个以上值的Tensorflow数据集提供给Keras

0 个答案: