tf.data.Dataset.from_generator
の扱い方を理解するためだけに単純なモデルを構築しようとしています。 output_shapes
引数の設定方法がわかりません。指定しないなど、いくつかの組み合わせを試しましたが、テンソルの形状の不一致が原因でエラーが発生します。アイデアは、SIZE = 10
を使用して2つの乱暴な配列を生成し、それらを使用して線形回帰を実行することです。これがコードです:
SIZE = 10
def _generator():
feats = np.random.normal(0, 1, SIZE)
labels = np.random.normal(0, 1, SIZE)
yield feats, labels
def input_func_gen():
shapes = (SIZE, SIZE)
dataset = tf.data.Dataset.from_generator(generator=_generator,
output_types=(tf.float32, tf.float32),
output_shapes=shapes)
dataset = dataset.batch(10)
dataset = dataset.repeat(20)
iterator = dataset.make_one_shot_iterator()
features_tensors, labels = iterator.get_next()
features = {'x': features_tensors}
return features, labels
def train():
x_col = tf.feature_column.numeric_column(key='x', )
es = tf.estimator.LinearRegressor(feature_columns=[x_col])
es = es.train(input_fn=input_func_gen)
もう1つの質問は、この機能を使用してtf.feature_column.crossed_column
の機能列にデータを提供できるかどうかです。全体的な目標は、データがメモリに収まらない場合にデータベースからチャンクにデータをロードするバッチトレーニングでDataset.from_generator
機能を使用することです。すべての意見や例は高く評価されています。
ありがとう!
tf.data.Dataset.from_generator()
のオプションの_output_shapes
_引数を使用すると、ジェネレータから生成される値の形状を指定できます。タイプには2つの制約があり、指定方法を定義しています。
_output_shapes
_引数は、「ネストされた構造」(タプル、タプルのタプル、タプルのディクトなど)であり、ジェネレーターによって生成された値の構造と一致する必要があります。
プログラムでは、_generator()
にステートメント_yield feats, labels
_が含まれています。したがって、「ネストされた構造」は2つの要素のタプル(各配列に1つ)です。
_output_shapes
_構造体の各コンポーネントは、対応するテンソルの形状と一致する必要があります。配列の形状は常に次元のTupleです。 (_tf.Tensor
_の形状はより一般的です:ディスカッションについては このスタックオーバーフローの質問 を参照してください。)feats
の実際の形状を見てみましょう。
_>>> SIZE = 10
>>> feats = np.random.normal(0, 1, SIZE)
>>> print feats.shape
(10,)
_
したがって、_output_shapes
_引数は2要素のタプルである必要があり、各要素は_(SIZE,)
_です。
_shapes = ((SIZE,), (SIZE,))
dataset = tf.data.Dataset.from_generator(generator=_generator,
output_types=(tf.float32, tf.float32),
output_shapes=shapes)
_
最後に、形状についてもう少し情報を tf.feature_column.numeric_column()
および tf.estimator.LinearRegressor()
APIに提供する必要があります。
_x_col = tf.feature_column.numeric_column(key='x', shape=(SIZE,))
es = tf.estimator.LinearRegressor(feature_columns=[x_col],
label_dimension=10)
_
@crafetはい、この方法で行うことはできません。あなたはそれが速くなるためにバッチサイズで遊ぶことができます