Python 默认情况下tf.Dataset.batch是否预加载以及如何禁用？

当使用

tf.Dataset.batch

时，

get_next（）

将在调用时预加载一些数据。看起来有一个后台线程正在执行此操作。有没有办法禁用它

复制代码块：

import tensorflow as tf

def pr(x):
    print(x)
    return x


dataset = tf.data.Dataset.range(10000)
dataset = dataset.map(lambda x: tf.py_func(pr, [x], [tf.int64]))

dataset = dataset.batch(3)

iterator = dataset.make_initializable_iterator()

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    sess.run(iterator.initializer)
    next_element = iterator.get_next()

    for i in range(2):
        fetches = sess.run(next_element)
        print(fetches)

不稳定的样本输出如下所示：

0
1
2
3
(array([0, 1, 2]),)
4
5
6
(array([3, 4, 5]),)
7
8

我希望确定性输出为：

0
1
2
(array([0, 1, 2]),)
3
4
5
(array([3, 4, 5]),)

---

由于giser_yugang的评论，CPU模式下的环境是OSX+python3.7.2+tensorflow1.13.1。我从1.13的变更日志中找到了一些提示。（）

设置dataset选项可在1.13中解决此问题

import tensorflow as tf

def pr(x):
    print(x)
    return x


dataset = tf.data.Dataset.range(10000)

options = tf.data.Options()
options.experimental_optimization.apply_default_optimizations = False
dataset = dataset.with_options(options)

dataset = dataset.map(lambda x: tf.py_func(pr, [x], [tf.int64]))

dataset = dataset.batch(3)

iterator = dataset.make_initializable_iterator()

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    sess.run(iterator.initializer)
    next_element = iterator.get_next()

    for i in range(2):
        fetches = sess.run(next_element)
        print(fetches)

---

我运行的代码的返回是您期望的结果。谢谢您的评论。你的环境是什么？我的是OS X+python3.7.2+tensorflow1.13.1+CPU模式，添加到post.Ubuntu16.04+python3.6+tensorflow1.12+GPUWeird。我找到一个和你的一样的服务器，它按预期打印。看起来像是1.13中的修改。