完成一个 epoch 后，Tensorflow Dataset API 恢复迭代器答案

【问题标题】：Tensorflow Dataset API restore Iterator after completing one epoch完成一个 epoch 后，Tensorflow Dataset API 恢复迭代器
【发布时间】：2018-03-11 05:28:20
【问题描述】：

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次服务？

【问题讨论】：

你能把最后一批比别人小的吗？如果是这样，您可以使用tf.contrib.data.batch_and_drop_remainder 。
剩余批次对我来说很重要，我认为我可以做到这一点。但谢谢，我将通过自己的批处理代码创建。

标签： tensorflow tensorflow-datasets

【解决方案1】：

如果您想从 Dataset 的开头重新启动 tf.data.Iterator，请考虑使用 initializable 迭代器，您可以运行该操作来重新初始化迭代器：

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Iterator 的更多详细信息，请参阅the tf.data programmer's guide。

【讨论】：

在 2.x 文档中找不到 make_initializable_iterator。是被删除了还是我错过了？