Python 使用_tensor_slices（）中的Tensorflow数据集时，是否可以不在每个列车步骤加载新批次？

我想在同一批上训练几个步骤，因为我想给CPU时间来加载下一批。我正在使用可重新初始化的迭代器和

tf.data.Dataset.from_tensor_切片（（tf.range（n_train））

，然后使用.map（）按索引获取数据集。我想在批次上运行至少与加载下一批次所需的相同数量的训练步骤。

所以您想重复每个数据点

n

次，对吗？以下几点应能实现这一目标

n_train = 10
n_repeat = 5
ds = tf.data.Dataset.from_tensor_slices((tf.range(n_train))).interleave(lambda x: tf.data.Dataset.from_tensors(x).repeat(n_repeat), block_length=n_repeat)
diter =  ds.make_one_shot_iterator()
elem = diter.get_next()

with tf.Session() as sess:
  for _ in range(n_train*n_repeat):
    print(sess.run(elem))