batch(batch_size)方法

将数据以batch_size的大小读取。

repeat(count=None)方法

将数据重复多少份，相当于epoch

• 代码示例
  此份代码中，原始官网是错的，此版本是正确的

import numpy as np
from tensorflow import keras
import tensorflow as tf
from tensorflow.keras import layers

# build network
model = tf.keras.Sequential([
    layers.Dense(64, activation='relu'),
    layers.Dense(64, activation='relu'),
    layers.Dense(10, activation='softmax')
])

# compile
model.compile(optimizer=tf.train.AdamOptimizer(0.001),
              loss='categorical_crossentropy',
              metrics=['accuracy'])

data =np.random.random((1000,32))
labels =np.random.random((1000,10))

dataset = tf.data.Dataset.from_tensor_slices((data, labels))
dataset = dataset.batch(32)
# repeat()代表无限制复制原始数据，这里可以用count指明复制份数，但要注意要比fit中的epochs大才可
dataset = dataset.repeat()

model = keras.Sequential([
    # 需要在输入层中指明输入的数据量input_shape
    layers.Dense(64,activation='relu',input_shape=(32,)),
    layers.Dense(64,activation='relu',input_shape=(32,)),
    layers.Dense(10,activation='softmax',input_shape=(32,)),
])
model.compile(optimizer=tf.train.AdamOptimizer(0.001),
          loss='categorical_crossentropy',
          metrics=['accuracy'])
# epochs 不能比repeat()中的count大，所以一般repeat()使用默认的count=None即可
model.fit(dataset ,epochs=10,steps_per_epoch=100)