加载 Tensorflow 数据集进行训练时，何时使用 .repeat？
When is .repeat used when loading a Tensorflow dataset for training?
我看过在对 Tensorflow 数据集进行加载、改组、映射、批处理、预取等时使用 .repeat() 的教程，而其他教程则完全跳过它。
我知道 repeat 的作用和使用方法，但无法弄清楚何时使用何时不使用它。
有什么帮助吗？
视情况而定。让我们以 MNIST 为例。假设我们使用 from_tensor_slices 构建数据集。训练数据集有 60000 个样本。
假设我们使用批量大小 100 并且不使用 repeat。这意味着数据集将提供 600 个批次。现在，如果我们尝试训练模型，例如使用 keras fit 接口，数据集将在 600 步后简单地 运行 出样本！我们将无法训练更多。使用 repeat，数据集将在 运行 出来后简单地“重新开始”，我们可以根据需要进行训练。
其他教程可能会使用手动训练循环。也许你有一个像
这样的循环
for batch in data_set:
...
在此示例中，如果我们不使用 repeat，循环将在 600 个批次后再次停止。但是，我们可以这样做：
for epoch in range(n_epochs):
for batch in data_set:
...
在这个例子中，我们指定了n_epochs中数据集的遍历次数。内循环在 600 个批次后停止，但随后外循环（纪元）简单地递增 1，内循环再次开始。这样，即使不使用 repeat.
，我们也可以拥有 600 多个批次
最后，当然还有其他创建数据集的方法。例如，from_generator 可用于流式传输来自 Python 生成器的数据集，该生成器可以 运行 无限长，因此根本不需要 repeat。
在没有看过您所指的教程的情况下，我只能猜测 repeat 使用方面的差异可以用训练循环编码方式的差异来解释，例如上述。
我看过在对 Tensorflow 数据集进行加载、改组、映射、批处理、预取等时使用 .repeat() 的教程，而其他教程则完全跳过它。
我知道 repeat 的作用和使用方法，但无法弄清楚何时使用何时不使用它。
有什么帮助吗？
视情况而定。让我们以 MNIST 为例。假设我们使用 from_tensor_slices 构建数据集。训练数据集有 60000 个样本。
假设我们使用批量大小 100 并且不使用 repeat。这意味着数据集将提供 600 个批次。现在，如果我们尝试训练模型，例如使用 keras fit 接口，数据集将在 600 步后简单地 运行 出样本！我们将无法训练更多。使用 repeat，数据集将在 运行 出来后简单地“重新开始”，我们可以根据需要进行训练。
其他教程可能会使用手动训练循环。也许你有一个像
这样的循环for batch in data_set:
...
在此示例中，如果我们不使用 repeat，循环将在 600 个批次后再次停止。但是，我们可以这样做：
for epoch in range(n_epochs):
for batch in data_set:
...
在这个例子中，我们指定了n_epochs中数据集的遍历次数。内循环在 600 个批次后停止，但随后外循环（纪元）简单地递增 1，内循环再次开始。这样，即使不使用 repeat.
最后，当然还有其他创建数据集的方法。例如，from_generator 可用于流式传输来自 Python 生成器的数据集，该生成器可以 运行 无限长，因此根本不需要 repeat。
在没有看过您所指的教程的情况下，我只能猜测 repeat 使用方面的差异可以用训练循环编码方式的差异来解释，例如上述。