當前位置: 首頁>>編程示例 >>用法及示例精選 >>正文

Python tf.compat.v1.data.Iterator.from_string_handle用法及代碼示例

用法

@staticmethod
from_string_handle(
    string_handle, output_types, output_shapes=None, output_classes=None
)

參數

  • string_handle tf.string 類型的標量 tf.Tensor，計算結果為由 Iterator.string_handle() 方法生成的句柄。
  • output_types tf.DType 對象的(嵌套)結構，對應於該數據集元素的每個組件。
  • output_shapes (可選。)tf.TensorShape 對象的(嵌套)結構對應於此數據集元素的每個組件。如果省略，每個組件將具有不受約束的形狀。
  • output_classes (可選。)Python type 對象的(嵌套)結構，對應於此迭代器元素的每個組件。如果省略，則假定每個組件的類型為 tf.Tensor 。

返回

  • 一個 Iterator 。

根據給定的句柄創建一個新的、未初始化的Iterator。

此方法允許您定義 "feedable" 迭代器，您可以在其中通過在 tf.Session.run 調用中輸入值來在具體迭代器之間進行選擇。在這種情況下，string_handle 將是一個 tf.compat.v1.placeholder ，並且您將在每個步驟中為其提供 tf.data.Iterator.string_handle 的值。

例如，如果您有兩個迭代器分別標記訓練數據集和測試數據集中的當前位置，您可以選擇在每個步驟中使用哪個迭代器，如下所示：

train_iterator = tf.data.Dataset(...).make_one_shot_iterator()
train_iterator_handle = sess.run(train_iterator.string_handle())

test_iterator = tf.data.Dataset(...).make_one_shot_iterator()
test_iterator_handle = sess.run(test_iterator.string_handle())

handle = tf.compat.v1.placeholder(tf.string, shape=[])
iterator = tf.data.Iterator.from_string_handle(
    handle, train_iterator.output_types)

next_element = iterator.get_next()
loss = f(next_element)

train_loss = sess.run(loss, feed_dict={handle:train_iterator_handle})
test_loss = sess.run(loss, feed_dict={handle:test_iterator_handle})

相關用法


注：本文由純淨天空篩選整理自tensorflow.org大神的英文原創作品 tf.compat.v1.data.Iterator.from_string_handle。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。