python - 如何在没有弃用函数的情况下迭代 tf.dataset？

Question

我使用的是 tensorflow 1.14，但数据集有问题。

我的代码:

my_data = [
    [0, 1],
    [2, 3],
    [4, 5],
    [6, 7]
]

slices = tf.data.Dataset.from_tensor_slices(my_data) # get dataset
it = slices.make_one_shot_iterator() # get iterator from dataset (deprecated)
next_item = it.get_next()

它说 make_one_shot_iterator 已弃用..

所以我尝试了以下代码

my_data = [
    [0, 1],
    [2, 3],
    [4, 5],
    [6, 7]
]

slices = tf.data.Dataset.from_tensor_slices(my_data) # get dataset
for q in slices:
    print(sess.run(q))

我立即收到 NotFoundError 异常。

我的问题:迭代数据集的正确方法是什么？

Answer 1

来自 tf.data.Dataset 的文档你可以做一个简单的循环:

for element in my_dataset: 
   print(element)

正如您在图片中看到的，这将返回一个 tf.Tensor。如果你想要一个简单的元组，你可以使用:

for element in my_dataset.as_numpy_iterator(): 
   print(element)

如果您的数据集的每个条目都有多个元素，您可以像往常一样使用 [] 为元组的内容编制索引。