Tensorflow Dataset API 在完成一个 epoch 后恢复迭代器

Question

我有 190 个特征和标签，我的批量大小为 20，但经过 9 次迭代 tf.reshape 返回异常 reshape 的输入是具有 21 个值的张量，但请求的形状有60，我知道这是由于 Iterator.get_next()。我如何恢复我的迭代器，以便它再次从头开始提供批处理服务？

Answer 1

如果您想重新启动tf.data.Iterator从其数据集的开头，考虑使用可初始化迭代器，它有一个可以运行来重新初始化迭代器的操作:

dataset = ...  # A `tf.data.Dataset` instance.
iterator = dataset.make_initializable_iterator()
next_element = iterator.get_next()

train_op = ...  # Something that depends on `next_element`.

for _ in range(NUM_EPOCHS):
  # Initialize the iterator at the beginning of `dataset`.
  sess.run(iterator.initializer)

  # Loop over the examples in `iterator`, running `train_op`.
  try:
    while True:
      sess.run(train_op)

  except tf.errors.OutOfRangeError:  # Thrown at the end of the epoch.
    pass

  # Perform any per-epoch computations here.

有关不同类型的迭代器的更多详细信息，请参阅 the tf.data programmer's guide .