python - 张量流数据集管道中每个时期的随机变换参数
问题描述
在我的训练中,我需要为每个 epoch 获取一组新的随机数据转换参数并应用这些参数(见下文,对于每次迭代,我尝试生成一个新的映射函数)。但这给出了 a NotFoundError
and 表示Function tf_data_structured_function_wrapper_P4jUpdWmQYM is not defined
第二次迭代(不是第一次迭代),它来自get_next()
方法。我怎样才能达到我的目的?(注意:使用 tensorflow random() 方法将为每个批次而不是每个时期返回不同的随机数,所以这是一个否)
iterator = tf.data.Iterator.from_structure((tf.float32, tf.float32))
next_element = iterator.get_next()
sess = tf.Session()
for i in range(2):
dataset1 = tf.data.Dataset.from_tensor_slices((x, y)).map(lambda x, y: (x + random(), y))
initializer = iterator.make_initializer(dataset1)
sess.run(initializer)
while True:
try:
print(sess.run(next_element))
except tf.errors.OutOfRangeError:
break
解决方案
推荐阅读
- spring - 通过 Active Directory LDAP 使用 Spring-Security 进行身份验证
- javascript - Javascript 显示来自包含代码的变量的 html pge
- c - 如何根据某些条件只使用一个头文件?
- c - 添加到相同地址的链表节点
- java - 如何在画布上绘制资源布局?
- javascript - 通过使用 PHP 和 JavaScript 单击复选框来更新帖子状态的问题
- emacs - Emacs slime 管理、用户输入和多重评估和打印
- bash - 运行另一个脚本后循环中断的 Bash 脚本
- css - 未应用 Antd 抽屉样式
- excel - 从文本框 dob 计算年龄