Вы должны объяснить свой код или включить комментарии

ывести значение в наборе данных несколько раз? (набор данных создается API набора данных тензорного потока)

import tensorflow as tf

dataset = tf.contrib.data.Dataset.range(100)
iterator = dataset.make_one_shot_iterator()
next_element = iterator.get_next()
sess = tf.Session()
epoch = 10

for i in range(epoch):
   for j in range(100):
      value = sess.run(next_element)
      assert j == value
      print(j)

Сообщение об ошибке:

tensorflow.python.framework.errors_impl.OutOfRangeError: End of sequence
 [[Node: IteratorGetNext = IteratorGetNext[output_shapes=[[]], output_types=[DT_INT64], _device="/job:localhost/replica:0/task:0/cpu:0"](OneShotIterator)]]

Как заставить это работать?

Ответы на вопрос(3)

Руководство по набору данных, Там описаны все детали DataSet API.

Ваш вопрос касается итерации по данным несколько раз. Вот два решения для этого:

Итерации всех эпох одновременно, нет информации о завершении отдельных эпох
import tensorflow as tf

epoch   = 10
dataset = tf.data.Dataset.range(100)
dataset = dataset.repeat(epoch)
iterator = dataset.make_one_shot_iterator()
next_element = iterator.get_next()
sess = tf.Session()

num_batch = 0
j = 0
while True:
    try:
        value = sess.run(next_element)
        assert j == value
        j += 1
        num_batch += 1
        if j > 99: # new epoch
            j = 0
    except tf.errors.OutOfRangeError:
        break

print ("Num Batch: ", num_batch)
Второй вариант информирует вас о завершении каждой эпохи, так что вы можете ex. проверить потерю проверки:
import tensorflow as tf

epoch = 10
dataset = tf.data.Dataset.range(100)
iterator = dataset.make_initializable_iterator()
next_element = iterator.get_next()
sess = tf.Session()

num_batch = 0

for e in range(epoch):
    print ("Epoch: ", e)
    j = 0
    sess.run(iterator.initializer)
    while True:
        try:
            value = sess.run(next_element)
            assert j == value
            j += 1
            num_batch += 1
        except tf.errors.OutOfRangeError:
            break

print ("Num Batch: ", num_batch)

я рекомендую высокоуровневый APItf.train.MonitoredTrainingSession,sess созданный этим API может автоматически обнаруживатьtf.errors.OutOfRangeError с участиемsess.should_stop(), Для большинства тренировочных ситуаций вам нужно перетасовывать данные и получать пакет каждый шаг, я добавил их в следующем коде.

import tensorflow as tf

epoch = 10
dataset = tf.data.Dataset.range(100)
dataset = dataset.shuffle(buffer_size=100) # comment this line if you don't want to shuffle data
dataset = dataset.batch(batch_size=32)     # batch_size=1 if you want to get only one element per step
dataset = dataset.repeat(epoch)
iterator = dataset.make_one_shot_iterator()
next_element = iterator.get_next()

num_batch = 0
with tf.train.MonitoredTrainingSession() as sess:
    while not sess.should_stop():
        value = sess.run(next_element)
        num_batch += 1
        print("Num Batch: ", num_batch)

Попробуй это

while True:
  try:
    print(sess.run(value))
  except tf.errors.OutOfRangeError:
    break

Всякий раз, когда итератор набора данных достигает конца данных, он вызывает tf.errors.OutOfRangeError, вы можете перехватить его с помощью исключением и запустить набор данных с самого начала.

 Michael27 мар. 2018 г., 21:17
Вы должны объяснить свой код или включить комментарии

Ваш ответ на вопрос