python - 如何从 tf.data.Dataset.zip((images, labels)) 获取两个 tf.dataset

Question

我正在编写 Python/tensorflow/mnist 教程。

自从使用来自 tensorflow 网站的原始代码几周以来，我收到警告说图像数据集很快就会被弃用，我应该使用以下数据集: https://github.com/tensorflow/models/blob/master/official/mnist/dataset.py

我使用我的代码加载它:

from tensorflow.models.official.mnist import dataset
trainfile = dataset.train(data_dir)

哪个返回:

tf.data.Dataset.zip((images, labels))

问题是我找不到以下列方式将它们分开的方法，例如:

  trainfile = dataset.train(data_dir)
  train_data= trainfile.images
  train_label= trainfile.label

但这显然不起作用，因为属性图像和标签不存在。 trainfile 是一个 tf.dataset。

知道 tf.dataset 是由 int32 和 float32 组成的我尝试过:

  train_data = trainfile.map(lambda x,y : x.dtype == tf.float32)

但它返回并清空了数据集。

我坚持(但会公开)这样做(两批完整的图像和标签)，因为这就是教程的工作方式:

https://www.tensorflow.org/tutorials/estimators/cnn

我看到了很多从数据集中获取元素的解决方案，但没有什么可以从以下代码中完成的 zip 操作返回

tf.data.Dataset.zip((images, labels))

预先感谢您的帮助。

Answer 1

希望对您有所帮助:

inputs = tf.placeholder(tf.float32, shape=(None, 784), name='inputs')
outputs = tf.placeholder(tf.float32, shape=(None,), name='outputs')

#Prepare a tensorflow dataset
ds = tf.data.Dataset.from_tensor_slices((x_train, y_train))

ds = ds.shuffle(buffer_size=10, reshuffle_each_iteration=True).batch(batch_size=batch_size, drop_remainder=True).repeat()
iter = ds.make_one_shot_iterator()
next = iter.get_next()

inputs = next[0]
outputs = next[1]