如何使用 tf.data 可初始化迭代器和可初始化迭代器并将数据提供给 estimator api？

Question

所有的官方谷歌教程都对所有的 estimator api 实现使用一次性迭代器，我找不到任何关于如何使用 tf.data 的可初始化迭代器和可重新初始化的迭代器而不是一次性迭代器的文档。

谁能告诉我如何使用 tf.data 的可初始化迭代器和可重新初始化的迭代器在 train_data 和 test_data 之间切换。我们需要运行一个会话来使用 feed dict 并在可初始化的迭代器中切换数据集，它是一个低级 api，并且如何使用它是 estimator api 架构的一部分

PS：我确实发现谷歌提到 “注意：目前，一次性迭代器是唯一可以轻松与 Estimator 一起使用的类型。”

但是社区内有什么解决办法吗？或者我们应该出于某种充分的理由坚持使用一次迭代器

Answer 1

要使用可初始化或可重新初始化的迭代器，您必须创建一个继承自 tf.train.SessionRunHook 的类。然后此类可以访问 tf.estimator 函数使用的会话。

这是一个快速示例，您可以根据自己的需要进行调整：

class IteratorInitializerHook(tf.train.SessionRunHook):
    def __init__(self):
        super(IteratorInitializerHook, self).__init__()
        self.iterator_initializer_func = None # Will be set in the input_fn

    def after_create_session(self, session, coord):
        self.iterator_initializer_func(session) 


def get_inputs(X, y):
    iterator_initializer_hook = IteratorInitializerHook()

    def input_fn():
        X_pl = tf.placeholder(X.dtype, X.shape)
        y_pl = tf.placeholder(y.dtype, y.shape)

        dataset = tf.data.Dataset.from_tensor_slices((X_pl, y_pl))
        dataset = ...
        ...

        iterator = dataset.make_initializable_iterator()
        next_example, next_label = iterator.get_next()


        iterator_initializer_hook.iterator_initializer_func = lambda sess: sess.run(iterator.initializer,
                                                                                    feed_dict={X_pl: X, y_pl: y})

        return next_example, next_label

    return input_fn, iterator_initializer_hook

...

train_input_fn, train_iterator_initializer_hook = get_inputs(X_train, y_train)
test_input_fn, test_iterator_initializer_hook = get_inputs(X_test, y_test)

...

estimator.train(input_fn=train_input_fn,
                hooks=[train_iterator_initializer_hook])
estimator.evaluate(input_fn=test_input_fn,
                   hooks=[test_iterator_initializer_hook])

这是我在blogpost by Sebastian Pölsterl 中找到的代码的修改版本。查看“通过数据集 API 向 Estimator 提供数据”部分。

Answer 2

或者你可以简单地使用tf.estimator.train_and_evaluate https://www.tensorflow.org/api_docs/python/tf/estimator/train_and_evaluate 它允许您在训练期间使用验证，而根本不需要关心迭代器。