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

Question

我想用 tf.estimator.Estimator 管理我的训练但与 tf.data 一起使用时会遇到一些麻烦API。

我有这样的东西:

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)

因为我不能为我的用例使用 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>(在这里，我使用 tf.train.Scaffold 来初始化本地操作)。

此外，我了解到我们不能只使用 input_fn = iterator.get_next 否则其他操作将不会添加到同一个图中。

初始化迭代器的推荐方法是什么？

Answer 1

从 TensorFlow 1.5 开始，可以让 input_fn 返回一个 tf.data.Dataset，例如:

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

参见 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器，并依赖于默认初始化器。

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