估计器的自定义输入函数，而不是tf.data.dataset

Question

我想知道是否有人为tensorflow的估计器创建了自己的自定义输入函数？就像（link）中的这张图片：

建议使用tf.data.dataset。但是我不想使用那个，因为我想编写自己的迭代器，该迭代器可以批量生成数据，也可以对其进行混洗。

    def data_in(train_data):
      data = next(train_data)
      ff = list(data)
      tf.enable_eager_execution()
      imgs = tf.stack([tf.convert_to_tensor(np.reshape(f[0], [img_size[0], img_size[1], img_size[2]])) for f
                                        in ff])
      lbls = tf.stack([f[1] for f in ff])
      print('TRAIN data: %s %s ' % (imgs.get_shape(), lbls.get_shape()))
      return imgs, lbls

输出：TRAIN data: (10, 32, 32, 3) (10,)

其中train_data是一个生成器对象，它使用 iter 和np.reshape（f [0]，[img_size [0]，img_size 2，img_size {{3 }}]基本上将提取的数据整形为所需的维度，并且它是整个数据集的一部分。我使用堆栈将张量列表转换为堆叠张量，但是当我将其与估计量一起使用时，我得到一个错误模型提供的功能说这些功能没有get_shape（）。当我在没有估算器的情况下对其进行测试时，它可以很好地工作，并且get_shape（）也可以很好地工作。

Answer 1

嘿kvish我知道了怎么做。我只需要添加这些行

experiment = tf.contrib.learn.Experiment(
cifar_classifier,
train_input_fn=lambda: data_in(),
eval_input_fn=lambda: data_in_eval(),
train_steps=train_steps)

我知道实验已被弃用，现在我也将使用estimator来做它：）