我本质上是在问与this question相同的问题,但是这个问题的答案已经过时了。不推荐使用tf.io.tf_record_iterator()函数,但是TFRecord数据集现在看起来是可迭代的(但是为什么还需要the other迭代器呢?)。然而,简单地打印每次迭代都会返回胡言乱语,而tf.train.Example.FromString(example)会抛出一个TypeError: a bytes-like object is required, not
在分布式tensorflow中,我需要在一个worker上处理输入数据,并在其他不同的会话上使用它们。"make_initializable_iterator“有一个未记录的参数"shared_name",但是如果不在每个会话上创建数据集,我如何初始化迭代器。and you must run the `iterator.initializer` operation before using it""" 更清楚的是,如果我用shared_name定义了一个迭