标签：numpy out 区别 slice develop ipy try 代码片段 session
关于tensorflow结合Dataset与TFRecord这方面看到挺好一篇文章：
https://cloud.tencent.com/developer/article/1088751
github：
一般先shuffle，然后batch，再repeat
当然可以先repeat再batch，这样做与前面一个的区别就是最后一个batch是会有一部分之前batch里出现过的数据，在测试集上这么做要谨慎。
看到stackoverflow上有个问题：
其实我觉得题主想问的不是答主说的意思，实际上one-shot迭代器只能迭代一轮，initializable迭代器可以迭代多轮（通过sess.run(iterator.initializer）来实现。那么这两种迭代器的区别就非常明显了，换句话说，题主的第二个代码片段，除了第0个epoch之外，剩下的所有epoch都没有数据，会报错。
可以看下面这段代码来测试：
import tensorflow as tf
import numpy as np
dataset = tf.data.Dataset.from_tensor_slices(np.random.uniform(size=(5, 2))).shuffle(100).batch(2)
iterator = dataset.make_initializable_iterator()
# iterator = dataset.make_one_shot_iterator()
one_element = iterator.get_next()
with tf.Session() as sess:
for i in range(5):
sess.run(iterator.initializer)
while True:
try:
print(sess.run(one_element))
except tf.errors.OutOfRangeError:
print("Epoch %s is done." % i)
break
tensorflow Dataset及TFRecord一些要点【持续更新】
标签：numpy out 区别 slice develop ipy try 代码片段 session
原文地址：https://www.cnblogs.com/zhouxiaosong/p/12080760.html
