关于Tensorflow'中“input”的问题;s多工作者估计器教程
在这种情况下,函数关于Tensorflow'中“input”的问题;s多工作者估计器教程,tensorflow,tensorflow-datasets,Tensorflow,Tensorflow Datasets,在这种情况下,函数input\u fn有一个名为mode的参数。我不知道在培训时如何将此参数传递到input\u fn BUFFER\u SIZE=10000 批量大小=64 def input_fn(模式,input_上下文=无): 数据集,info=tfds.load(name='mnist', 如果_info=True, as_=真) mnist_数据集=(数据集['train']如果模式==tf.estimator.ModeKeys.train-else 数据集[‘测试’]) def刻度
input\u fn
有一个名为mode
的参数。我不知道在培训时如何将此参数传递到input\u fn
BUFFER\u SIZE=10000
批量大小=64
def input_fn(模式,input_上下文=无):
数据集,info=tfds.load(name='mnist',
如果_info=True,
as_=真)
mnist_数据集=(数据集['train']如果模式==tf.estimator.ModeKeys.train-else
数据集[‘测试’])
def刻度(图像、标签):
image=tf.cast(image,tf.float32)
图像/=255
返回图像、标签
如果输入上下文:
mnist_dataset=mnist_dataset.shard(input_context.num_input_pipelines,
输入上下文。输入管道id)
返回mnist_dataset.map(scale).cache().shuffle(缓冲区大小).batch(批大小)
为了更好地澄清我的问题,请参见如何将此输入作为函数参数传递。它只是在没有任何给mode
一个值的包装器的情况下传递
tf.estimator.train\u和\u评估(
分类器,
列车规格=tf.estimator.TrainSpec(输入规格=输入规格),
eval_spec=tf.estimator.EvalSpec(input_fn=input_fn)
)
这是否回答了您的问题@伊纳特先生,谢谢你的答复。我读过这个问题,但答案似乎不正确。