Понимание поведения тензорного потока при извлечении данных из двух разных источников данных с помощью набора данных API

Я пытаюсь получить данные из двух разных источников dataset с тензорным потоком. Я написал следующий код:

Сначала я пробовал следующее:

import tensorflow as tf
import numpy as np

iters = []

def return_data1():
    d1 = tf.data.Dataset.range(1, 2000)
    iter1 = d1.make_initializable_iterator()
    iters.append(iter1)
    data1 = iter1.get_next()
    return data1

def return_data2():
    d2 = tf.data.Dataset.range(2000, 4000)
    iter2 = d2.make_initializable_iterator()
    iters.append(iter2)
    data2 = iter2.get_next()
    return data2

test = tf.placeholder(dtype=tf.bool)

data = tf.cond(test, lambda: return_data1(), lambda: return_data2())

iter1 = iters[0]
iter2 = iters[1]

init_op = tf.global_variables_initializer()

with tf.Session() as sess:
    sess.run(init_op)
    sess.run([iter1.initializer, iter2.initializer])

    for i in range(2000):
        if i < 1000:
            print(sess.run(data, feed_dict={test: True}), "..")
        else:
            print(sess.run(data, feed_dict={test: False}), "--")

И я получил следующую ошибку:

ValueError: Operation 'cond/MakeIterator' has been marked as not fetchable.

1- Я хотел бы знать, почему я получаю такое поведение.

Затем я попытался исправить свой код, поэтому написал следующее:

d1 = tf.data.Dataset.range(1, 2000)
d2 = tf.data.Dataset.range(2000, 4000)

iter1 = d1.make_initializable_iterator()
iter2 = d2.make_initializable_iterator()

data1 = iter1.get_next()
data2 = iter2.get_next()

def return_data1():
    return data1

def return_data2():
    return data2

test = tf.placeholder(dtype=tf.bool)

data = tf.cond(test, lambda: return_data1(), lambda: return_data2())

init_op = tf.global_variables_initializer()

with tf.Session() as sess:
    sess.run(init_op)
    sess.run([iter1.initializer, iter2.initializer])

    for i in range(2000):
        if i < 1000:
            print(sess.run(data, feed_dict={test: True}), "..")
        else:
            print(sess.run(data, feed_dict={test: False}), "--")

И из print я получаю цифры от 1 до 1000 от первого набора данных, но когда i становлюсь больше 1000, он начинает печатать 3000 → 4000. Поэтому я пришел к выводу, что по мере того, как первый набор данных был запущен или как я был доставлен 1000 элементов из второго набора данных, но они были проигнорированы.

Позже, когда я исправил свой код, переместив data1 = iter1.get_next() и data2 = iter2.get_next() в определение функции как:

def return_data1():
    data1 = iter1.get_next()
    return data1

А ТАКЖЕ

def return_data2():
    data2 = iter2.get_next()
    return data2

Код работает, и теперь печатает числа 1 → 1000 и 2000 → 3000.

Я хотел бы понять, почему это происходит, чтобы избежать подобных ошибок в будущем.

Я обнаружил такую же проблему с tf.control_dependency, которая принимает операцию как аргумент и эта операция не должна создаваться вне. Это поведение немного смутило меня, и все же я хотел бы знать, почему это происходит с тензорным потоком.

Во-вторых, если я хотел бы выбрать из более чем двух источников наборов данных и запускать их отдельно, как это сделать в тензорном потоке?

Любая помощь приветствуется!!!