Tensorflow 如何使用StreamingDataFeeder作为contrib.learn.Estimator.fit（）'；什么是输入？

我最近开始使用

tensorflow.contrib.learn

（skflow）库，并且非常喜欢它。但是，我在使用

估计器时遇到了一个问题，fit函数使用

（
X
、
Y
和
batch\u size
）-此方法的问题在于它不支持指定历元数和允许任意数据源的规定
input\u fn
-此外，通过设置年代，我可以更灵活地选择培训来源（在我的例子中，培训来源直接来自数据库）
现在我意识到我可以创建读取文件的input_fn，但是，由于我对处理文件不感兴趣，以下函数对我没有用处-


tf.contrib.learn.read\u batch\u示例
tf.contrib.learn.read\u batch\u功能
tf.contrib.learn.read\u batch\u record\u功能

理想情况下，我希望使用作为输入。有什么办法可以做到这一点吗？
用于提供迭代器作为
x
/
y
，以
拟合
/
预测
/
评估
估计器的

例如：

x = (np.array([i]) for i in xrange(10**10)) # use range for python >=3.0
y = (np.array([i + 1]) for i in xrange(10**10))
lr = tf.contrib.learn.LinearRegressor(
    feature_columns=[tf.contrib.layers.real_valued_column('')])

# only consumes 1000*10 values from iterators.
lr.fit(x, y, steps=1000, batch_size=10)

如果要使用
input\u fn
输入数据，则需要使用图形操作来读取/处理数据。例如，您可以创建一个C++操作，它将生成您的数据（它可以是监听端口或从数据库OP读取），并转换成<代码>张量< /代码>。这主要适用于从文件中读取数据，但也可以实现其他读取器。
StreamingDataFeeder
用于将迭代器作为
x
/
y
提供给
估计器的
拟合
/
预测
/
评估

例如：

x = (np.array([i]) for i in xrange(10**10)) # use range for python >=3.0
y = (np.array([i + 1]) for i in xrange(10**10))
lr = tf.contrib.learn.LinearRegressor(
    feature_columns=[tf.contrib.layers.real_valued_column('')])

# only consumes 1000*10 values from iterators.
lr.fit(x, y, steps=1000, batch_size=10)

如果要使用
input\u fn
输入数据，则需要使用图形操作来读取/处理数据。例如，您可以创建一个C++操作，它将生成您的数据（它可以是监听端口或从数据库OP读取），并转换成<代码>张量< /代码>。这主要有助于从文件中读取数据，但也可以实现其他阅读器。
本次讨论正在进行中，本次讨论正在进行中，感谢您的回复。我想实现我自己的阅读器。但我不知道从哪里开始。你能给我指一下正确的方向吗？这是
TFRecordReader
的实现-也就是说，你需要实现一个从
ReaderBase
继承的类和一个可以在输入函数中调用的操作。谢谢你的回复。我想实现我自己的阅读器。但我不知道从哪里开始。请给我指出正确的方向好吗？这是
TFRecordReader
实现-即，您需要实现一个从
ReaderBase
继承的类和一个可以在输入函数中调用的Op。