如何在tf.estimator的input_fn中使用tf.data的可初始化迭代器？

我想用tf.estimator.Estimator来管理我的训练,但是在使用tf.data API时遇到一些麻烦.

我有这样的事情：

def model_fn(features, labels, params, mode):
  # Defines model's ops.
  # Initializes with tf.train.Scaffold.
  # Returns an tf.estimator.EstimatorSpec.

def input_fn():
  dataset = tf.data.TextLineDataset("test.txt")
  # map, shuffle, padded_batch, etc.

  iterator = dataset.make_initializable_iterator()

  return iterator.get_next()

estimator = tf.estimator.Estimator(model_fn)
estimator.train(input_fn)

因为我不能在我的用例中使用make_one_shot_iterator,我的问题是input_fn包含一个应该在model_fn中初始化的迭代器(这里,我使用tf.train.Scaffold初始化本地操作).

另外,我知道我们不仅可以使用input_fn = iterator.get_next,否则其他ops将不会添加到同一个图形中.

初始化迭代器的推荐方法是什么？

解决方法:

从TensorFlow 1.5开始,可以使input_fn返回tf.data.Dataset,例如：

def input_fn():
  dataset = tf.data.TextLineDataset("test.txt")
  # map, shuffle, padded_batch, etc.
  return dataset

见c294fcfd.

对于以前的版本,您可以在tf.GraphKeys.TABLE_INITIALIZERS集合中添加迭代器的初始化程序,并依赖于默认的初始化程序.

tf.add_to_collection(tf.GraphKeys.TABLE_INITIALIZERS, iterator.initializer)

标签：python,tensorflow,tensorflow-datasets,tensorflow-estimator
来源： https://codeday.me/bug/20191007/1868725.html