如何使用数据集将数据数组提供给tensorflow推理？

我是Tensorflow数据集API的新手，无法完全理解其设计的简单性，因此我需要一些帮助

下面是一个简单的例子

import tensorflow as tf

x = tf.placeholder(tf.int32, shape=[])
y = tf.square(x)

with tf.Session() as sess:
  print(sess.run(y, {x: 2}))

# result is 4, simple

如果我有一个整数数组

arr_x=[2,3,5,8,10]

，我如何使用日期集API来迭代数组

我正在努力

p = tf.placeholder(tf.int32, shape=[None])
d = tf.data.Dataset.from_tensor_slices(p)
d = d.map(lambda x: x)
iter = d.make_initializable_iterator()
next_element = iter.get_next()

with tf.Session() as sess:
  sess.run(iter.initializer, feed_dict={p: [2, 3, 4]})
  while True:
    try:
      print sess.run(y, next_element)
    except tf.errors.OutOfRangeError:
      break

但是运气不好，有什么想法吗？

那么：

arr_x = np.array([2, 3, 5, 8, 10])
arr_y = np.array([[0,1],[1,0],[1,0],[0,1],[1,0]])
dataset = tf.data.Dataset.from_tensor_slices((arr_x, arr_y))
iterator = dataset.make_one_shot_iterator()
next_element = iterator.get_next()
sess = tf.Session()
while True:
    try:
        print(sess.run(next_element))
    except tf.errors.OutOfRangeError:
        break

---

答复是否回答了您的问题？如果是，请接受正确答案，或者根据您需要的额外信息编辑您的问题。感谢您的回复！然而，有两件事我想提出来。我在上面的代码中没有看到张量“y”，你是说？你是在建议“sess_run（y，{x:sess.run（next_元素）}）”吗？2.我可以在sess.run之前批处理数据集吗？您可以根据上面的评论更新您的问题吗？1.示例中没有张量

y

：如果我有一个整数数组arr_x=[2,3,5,8,10]，如何使用日期集API来迭代该数组？2.

next_element

的输出应该与模型本身连接，因此数据将被动态地提取到模型中。