小编Lor*_*ano的帖子

我正在尝试在CoreML中实现一个自定义层,它解决了ktf.image.resize_images在Swift中作为自定义图层类执行功能的Lambda层.

这是我的Phyton脚本:

def resizeImage(x, size):
    return ktf.image.resize_images(x, size)

def convert_lambda(layer):
    if layer.function == resizeImage:
        params = NeuralNetwork_pb2.CustomLayerParams()

        params.className = "resizeImage"
        params.description = "Decoder Resizing"

        params.parameters["scale"].intValue = layer.arguments["size"][0].value

        print("LAMBDA CONVERSION = Size embedded to CoreML Model: %d" % layer.arguments["size"][0].value)

        return params
    else:
        return None

...

for i in range(decoder_n):
    strides = 1
    reverse_i = decoder_n - i - 1
    size = encoder_layers[decoder_n - i - 1].shape[1:3]
    out_channels = 2 ** ((decoder_n - i - 2) // 3 + 5) …

在文档的某些部分（例如，Dataset Iterators 此处）中有对的引用Stateful Objects。它们究竟是什么？它们在图中起什么作用？

要澄清的是，在数据集文档中，有一个有效的示例，one_shot_iterator因为它是无状态的：

dataset = tf.data.Dataset.range(100)
iterator = dataset.make_one_shot_iterator()

是什么使迭代器无状态？