Machine learning 依靠张量流估计器

我正在尝试在Tensorflow中用几层来执行一个复杂的函数近似。该函数将使用大量生成的数据进行训练，因此我希望能够在运行时生成数据，因为生成的数据量非常大。我决定尝试在模型fnops中使用估计器，但我正在编写训练循环，似乎找不到任何关于使用所示的

eval（feed\u dict=my\u feed\u dict）

之类的文档。到目前为止，我发现的唯一一件事是在估计器上调用

fit（）

，但这需要调用整个数据集（除非我误解了该函数的用途）。有没有办法在一个循环中输入单个示例或批次来训练估计器？

您可以通过。该输入函数是传递给估计器（或评估/训练/预测方法）的一级函数

---

您还可以使用创建数据馈送器和迭代器，并在输入函数中返回馈送器操作。

估计器通常可以获取数组或生成函数。@drpng如何实现？一个没有参数并返回一个带有输入/输出对的dict的函数？似乎没有任何方法可以将函数作为输入。您使用的是

tf.estimator.estimator.train

？它应该以生成函数作为输入。