Python 如何使用tf.data数据集在同一批上执行多个培训操作

我想使用tf.data数据集和迭代器（对抗式自动编码器）实现可用的代码

我的问题是，如何将同一批用于多个培训操作

---

我需要在同一批上执行三个不同的训练操作，但是，如果我使用tf.data迭代器，它不会在同一批上工作，而是在连续的批上工作

假设

data=db\u iter.get\u next（）

，其中

db\u iter

是从

tf.data

使用的迭代器

我想您正在训练

3

ops中的

3

不同的

sess.run

语句。在这种情况下，他们都将使用

3

不同批次，因为

数据将被评估
3次

事实是，如果三个
训练操作中的每一个
的输入都是从上面定义的
数据中提供的，并且在每个
sess.run
中运行，那么它们都将使用同一批。
不使用
sess.run（[autoencoder\u optimizer，discriminator\u optimizer，generator\u optimizer]，feed\u dict=…）
work？@Siladittya根据文档，不能保证它们是连续的。@itzikBenShabat如果操作相互依赖，则它们将按顺序执行。如果它们不是相互依赖的，您实际上怎么关心呢？@Ujjwal操作本身是相互独立的，但是更新模型参数的顺序很重要（在对抗性自动编码器的情况下）。在这种情况下，只需使用
tf.control\u dependencies（）
。