tf.Dataset

https://www.cnblogs.com/wkslearner/p/9484443.html
https://blog.csdn.net/dqcfkyqdxym3f8rb0/article/details/79342369

在tensorflow的官方文档是这样介绍Dataset数据对象的：
Dataset可以用来表示输入管道元素集合（张量的嵌套结构）和“逻辑计划“对这些元素的转换操作。在Dataset中元素可以是向量，元组或字典等形式。
另外，Dataset需要配合另外一个类Iterator进行使用，Iterator对象是一个迭代器，可以对Dataset中的元素进行迭代提取。

一、概述
使用Dataset的三个步骤：

• 载入数据：为数据创建一个Dataset实例
• 创建一个迭代器：使用创建的数据集来构造一个Iterator实例以遍历数据集
• 使用数据：使用创建的迭代器，我们可以从数据集中获取数据元素，从而输入到模型中去。

二、常用的方法
常用的Dataset方法有from_tensor_slices、from_tensors、from_generator

2.1、Dataset.from_generator
https://blog.csdn.net/foreseerwang/article/details/80572182
https://blog.csdn.net/shuzfan/article/details/79051042

@staticmethod
from_generator(
    generator,
    output_types,
    output_shapes=None
)

#Args:
#generator: A callable object that takes no arguments and returns an object #that supports the iter() protocol.
#output_types: A nested structure of tf.DType objects corresponding to each #component of an element yielded by generator.
#output_shapes: (Optional.) A nested structure of tf.TensorShape objects #corresponding to each component of an element yielded by generator.
#Returns:
#A Dataset.

#Creates a Dataset whose elements are generated by generator.
#The generator argument must be a callable object that returns an object that #support the iter() protocol (e.g. a generator function). The elements #generated by generator must be compatible with the given output_types and #(optional) output_shapes arguments.

#For example:
import itertools

def gen():
  for i in itertools.count(1):
    yield (i, [1] * i)

ds = Dataset.from_generator(
    gen, (tf.int64, tf.int64), (tf.TensorShape([]), tf.TensorShape([None])))
value = ds.make_one_shot_iterator().get_next()

sess.run(value)  # (1, array([1]))
sess.run(value)  # (2, array([1, 1]))