小编Mil*_*uss的帖子

推荐使用tensorflow数据集作为输入管道，可以设置如下：

# Specify dataset
dataset  = tf.data.Dataset.from_tensor_slices((features, labels))
# Suffle
dataset  = dataset.shuffle(buffer_size=1e5)
# Specify batch size
dataset  = dataset.batch(128)
# Create an iterator
iterator = dataset.make_one_shot_iterator()
# Get next batch
next_batch = iterator.get_next()

我应该能够获得批量大小（从数据集本身或从它创建的迭代器，即两者iterator和next_batch）。也许有人想知道数据集或其迭代器中有多少批次。或者已经调用了多少批次以及迭代器中剩余多少批次？人们可能还想一次获取特定元素，甚至整个数据集。

我无法在 tensorflow 文档中找到任何内容。这可能吗？如果没有，有谁知道这是否已被请求作为 tensorflow GitHub 上的问题？

我创建了一个tensorflow数据集，使其可重复，将其改组，分成若干批，并构造了一个迭代器以获取下一批。但是，当我这样做时，有时元素是重复的（在批内和批间），尤其是对于小型数据集。为什么？

我使用Python 3.6,并想定义一个函数,它接受两个整数a,并b返回他们的分裂c = a//b.我想在不使用的情况下强制执行输入和输出类型assert.根据我在文档和本网站上发现的内容,我的理解是应该将此函数定义为:

def divide(a: int, b: int) -> int:
    c = a // b
    return c

divide(3, 2.) # Output: 1.0

我期待,因为一个错误(或警告),b而c不是整数.

1. 我的特定代码有什么问题？
2. 如何assert在不使用的情况下正确指定输入和输出类型 ？