编辑：
为弄清为什么这个问题与建议的重复项不同，此SO问题在这些建议的重复项之后进行，Keras对这些SO问题中描述的技术究竟做了什么。建议的重复项使用class Program
{
public class HistoricValue
{
public string Name { get; set; }
public DateTime Lastdate { get; set; }
public Double Value { get; set; }
}
private static void Display(List<HistoricValue> cs)
{
Console.WriteLine();
foreach (HistoricValue item in cs)
{
Console.WriteLine("{0} {1} {2} ", item.Name, item.Lastdate.ToString(), item.Value);
}
}
static void Main(string[] args)
{
HistoricValue newValue = new HistoricValue();
List<HistoricValue> Historicals = new List<HistoricValue>();
newValue.Name= "Some name 1";
newValue.Lastdate = DateTime.Parse("2018-05-08");
newValue.Value = 310.1;
Historicals.Add(new HistoricValue () { Name=newValue.Name, Lastdate= newValue.Lastdate, Value = newValue.Value });
Historicals.Add(newValue);
Console.WriteLine("Expected output: Twice Some Name 1");
Display(Historicals);
newValue.Name = "Some name 2";
newValue.Lastdate = DateTime.Parse("2018-09-09");
newValue.Value = 210.1;
Historicals.Add(new HistoricValue() { Name = newValue.Name, Lastdate = newValue.Lastdate, Value = newValue.Value });
Historicals.Add(newValue);
Console.WriteLine("\nExpected output: Twice Some Name 1 and twice somename 2");
Display(Historicals);
Console.WriteLine("\nReceived output: once Some name 1 and tree times somename 2");
Console.WriteLine("\nnewValue get assigned values, what is stored in the list is the pointer to values, so item 2,3,4 will point to the same values in memory.");
List<HistoricValue> Historicals2 = new List<HistoricValue>();
Console.WriteLine("\nRCorrect ways to fill the list can be by using a constructor");
Historicals2.Add(new HistoricValue() { Name = "Some name 1", Lastdate = DateTime.Parse("2018-05-08"), Value = 310.1 });
Historicals2.Add(new HistoricValue() { Name = "Some name 2", Lastdate = DateTime.Parse("2018-06-08"), Value = 100.1 });
Console.WriteLine("Expected output: Some Name 1 and Somename 2");
Display(Historicals2);
Console.WriteLine("\nOr add with specifically creating a new posistion in the list and add it.");
newValue.Name = "Some name 3";
newValue.Lastdate = DateTime.Parse("2018-05-08");
newValue.Value = 310.1;
Historicals2.Add(new HistoricValue() { Name = newValue.Name, Lastdate = newValue.Lastdate, Value = newValue.Value });
newValue.Name = "Some name 4";
newValue.Lastdate = DateTime.Parse("2018-09-09");
newValue.Value = 999;
Historicals2.Add(new HistoricValue() { Name = newValue.Name, Lastdate = newValue.Lastdate, Value = newValue.Value });
Console.WriteLine("Expected output: Some Name 1,2,3 and 4");
Display(Historicals2);
Console.WriteLine("\nOr through using a loop in wich a variable is created and assiged and then stops living.");
for( int x = 5; x<= 7; x++)
{
HistoricValue newValueInLoop = new HistoricValue();
newValueInLoop.Name = "Some name " + x.ToString();
newValueInLoop.Lastdate = DateTime.Parse("2018-09-09");
newValueInLoop.Value = 999+x;
Historicals2.Add(new HistoricValue() { Name = newValueInLoop.Name, Lastdate = newValueInLoop.Lastdate, Value = newValueInLoop.Value });
//Display(Historicals2);
}
Console.WriteLine("Expected output: Some Name 1,2,3,4,5,6,7");
Display(Historicals2);
Console.WriteLine("Actually this is strange, realizing the variable only exists in the loop, yet the memory values are retainted, i hope the garbage collector works");
}
}
中的数据集API make_one_shot_iterator()指定，我的后续工作是model.fit只能浏览一次数据集，但是在给出的解决方案中，指定了几个时期。
这是这些SO问题的后续行动
How to Properly Combine TensorFlow's Dataset API and Keras?
Tensorflow keras with tf dataset input
Using tf.data.Dataset as training input to Keras model NOT working
其中“从Tensorflow 1.9开始，可以将tf.data.Dataset对象直接传递到keras.Model.fit（）中，其作用类似于fit_generator”。每个示例都有一个TF数据集，一个镜头迭代器输入到Kera的model.fit中。
下面是一个例子
make_one_shot_iterator()但是，根据Tensorflow Dataset API指南（此处为https://www.tensorflow.org/guide/datasets）：
单发迭代器是最简单的迭代器形式， 支持通过数据集迭代一次
因此仅适用于1个纪元。但是，SO问题中的代码指定了几个时期，上面的代码示例指定了5个时期。
对此矛盾有什么解释吗？ Keras是否以某种方式知道，当单次迭代器遍历数据集时，它可以重新初始化并重新整理数据吗？
答案 0 :(得分：1)
您只需将数据集对象传递给model.fit，Keras将处理迭代。
考虑一个预制数据集：
train, test = tf.keras.datasets.cifar10.load_data()
dataset = tf.data.Dataset.from_tensor_slices((train[0], train[1]))
这将从cifar10数据集的训练数据创建数据集对象。在这种情况下，不需要解析函数。 如果您从包含numpy数组列表图像的路径创建数据集，则将需要一个。
dataset = tf.data.Dataset.from_tensor_slices((image_path, labels_path))
如果您需要一个函数来从文件名加载实际数据。不用tf.read_file
def parse_func(filename):
f = tf.read_file(filename)
image = tf.image.decode_image(f)
label = #get label from filename
return image, label
然后，您可以将任何解析函数进行混洗，批处理和映射到该数据集。您可以控制将随机播放缓冲区预装入多少个示例。重复控件的纪元计数，最好不要设置为None，因此它将无限期地重复。您可以使用简单批处理功能，也可以与
结合使用dataset = dataset.shuffle().repeat()
dataset.apply(tf.data.experimental.map_and_batch(map_func=parse_func, batch_size,num_parallel_batches))
然后可以将数据集对象传递给model.fit
model.fit（数据集，纪元，steps_per_epoch）。请注意，在这种情况下，steps_per_epoch是必需的参数，它将定义何时开始新的纪元。因此，您必须提前知道纪元大小。