使用 tf.data.Dataset.from_generator() 从生成器加载数据答案

【问题标题】：Loading data from generator using tf.data.Dataset.from_generator()使用 tf.data.Dataset.from_generator() 从生成器加载数据
【发布时间】：2021-05-06 12:35:09
【问题描述】：

我想为我的度量学习模型加载数据，数据生成函数是get_data()函数

def get_data():
    def my_generator():
        for i in range(10):
            anchor = list(np.expand_dims(cv2.imread('img1'), axis=0))
            positive = list(np.expand_dims(cv2.imread('img2'), axis=0)
            true = 0
            a = (true, anchor, positive)
            yield a

    return tf.data.Dataset.from_generator(
        my_generator,
        output_types=(tf.int64, tf.Tensor, tf.Tensor),
        output_shapes=(1, (1, 256, 256, 3), (1, 256, 256, 3))
    )

dataset = get_data()

当我运行此代码时，我收到以下错误。我尝试将其他一些参数传递给output_types，例如 tf.float64，但它也不起作用。我想我在形状上做错了什么，但我不知道是什么。

TypeError：无法将值转换为 TensorFlow DType。

任何帮助表示赞赏:)

【问题讨论】：

标签： python tensorflow deep-learning generator

【解决方案1】：

正如我所想，问题出在形状上，这对我有用

    return tf.data.Dataset.from_generator(
        my_generator,
        output_types=(tf.float64, tf.float64, tf.float64),
        output_shapes=(tf.TensorShape(None), tf.TensorShape((1, 256, 256, 3)), 
            tf.TensorShape((1, 256, 256, 3))))

【讨论】：