Spec-Zone.ru › TensorFlow

tf.compat.v1.data.Dataset

Представляет потенциально большой набор элементов.

Наследуется от: Dataset

tf.compat.v1.data.Dataset()

Используется в ноутбуках

Используется в руководстве
  • Примеры миграции: Готовые оценочные средства
  • Мигрировать метрики и оптимизаторы
  • Переход от Estimator к API Keras
  • Мигрировать `tf.feature_column` в слои предварительной обработки Keras
  • Переход к обучению на нескольких GPU на одном рабочем узле

Dataset может использоваться для представления конвейера ввода-вывода как набора элементов и «логического плана» преобразований, которые действуют на эти элементы.

Аргументы
variant_tensor DT_VARIANT тензор, который представляет набор данных.
Атрибуты
element_spec Спецификация типа элемента этого набора данных.
dataset = tf.data.Dataset.from_tensor_slices([1, 2, 3])
dataset.element_spec
TensorSpec(shape=(), dtype=tf.int32, name=None)

Для получения дополнительной информации, прочитайте это руководство.

output_classes Возвращает класс каждого компонента элемента этого набора данных. (устарело)
Устарело: ЭТА ФУНКЦИЯ УСТАРЕЛА. Она будет удалена в будущих версиях. Инструкции по обновлению: Используйте tf.compat.v1.data.get_output_classes(dataset).
output_shapes Возвращает форму каждого компонента элемента этого набора данных. (устарело)
Устарело: ЭТА ФУНКЦИЯ УСТАРЕЛА. Она будет удалена в будущих версиях. Инструкции по обновлению: Используйте tf.compat.v1.data.get_output_shapes(dataset).
output_types Возвращает тип каждого компонента элемента этого набора данных. (устарело)
Устарело: ЭТА ФУНКЦИЯ УСТАРЕЛА. Она будет удалена в будущих версиях. Инструкции по обновлению: Используйте tf.compat.v1.data.get_output_types(dataset).

Методы

apply

Просмотреть исходный код

apply(
    transformation_func
) -> 'DatasetV2'

Применяет функцию преобразования к этому набору данных.

apply позволяет цеплять пользовательские Dataset преобразования, которые представлены как функции, принимающие один Dataset аргумент и возвращающие преобразованный Dataset.

dataset = tf.data.Dataset.range(100)
def dataset_fn(ds):
  return ds.filter(lambda x: x < 5)
dataset = dataset.apply(dataset_fn)
list(dataset.as_numpy_iterator())
[0, 1, 2, 3, 4]
Аргументы
transformation_func Функция, принимающая один Dataset аргумент и возвращающая Dataset.
Возвращает
Новый Dataset с применённым преобразованием, как описано выше.

as_numpy_iterator

Просмотреть исходный код

as_numpy_iterator()

Возвращает итератор, который преобразует все элементы набора данных в NumPy.

Используйте as_numpy_iterator для проверки содержимого вашего набора данных. Чтобы увидеть формы и типы элементов, выводите элементы набора данных напрямую, а не используйте as_numpy_iterator.

dataset = tf.data.Dataset.from_tensor_slices([1, 2, 3])
for element in dataset:
  print(element)
tf.Tensor(1, shape=(), dtype=int32)
tf.Tensor(2, shape=(), dtype=int32)
tf.Tensor(3, shape=(), dtype=int32)

Этот метод требует, чтобы вы работали в режиме eager, и элемент_spec набора данных содержит только TensorSpec компоненты.

dataset = tf.data.Dataset.from_tensor_slices([1, 2, 3])
for element in dataset.as_numpy_iterator():
  print(element)
1
2
3
dataset = tf.data.Dataset.from_tensor_slices([1, 2, 3])
print(list(dataset.as_numpy_iterator()))
[1, 2, 3]

as_numpy_iterator() сохранит вложенную структуру элементов набора данных.

dataset = tf.data.Dataset.from_tensor_slices({'a': ([1, 2], [3, 4]),
                                              'b': [5, 6]})
list(dataset.as_numpy_iterator()) == [{'a': (1, 3), 'b': 5},
                                      {'a': (2, 4), 'b': 6}]
True
Возвращает
Итерируемый объект над элементами набора данных, с их тензорами, преобразованными в массивы NumPy.
Исключения
TypeError если элемент содержит ненулевое значение.
RuntimeError если режим eager не включен.

batch

Просмотреть исходный код

batch(
    batch_size,
    drop_remainder=False,
    num_parallel_calls=None,
    deterministic=None,
    name=None
) -> 'DatasetV2'

Объединяет последовательные элементы этого набора данных в пакеты.

dataset = tf.data.Dataset.range(8)
dataset = dataset.batch(3)
list(dataset.as_numpy_iterator())
[array([0, 1, 2]), array([3, 4, 5]), array([6, 7])]
dataset = tf.data.Dataset.range(8)
dataset = dataset.batch(3, drop_remainder=True)
list(dataset.as_numpy_iterator())
[array([0, 1, 2]), array([3, 4, 5])]

Компоненты результирующего элемента будут иметь дополнительное внешнее измерение, которое будет batch_size (или N % batch_size для последнего элемента, если batch_size не делит количество входных элементов N равномерно и drop_remainder есть False). Если ваша программа зависит от того, что пакеты имеют одинаковое внешнее измерение, установите аргумент drop_remainder на True, чтобы предотвратить создание меньшего пакета.

Примечание: Если ваша программа требует данных со статически известной формой (например, при использовании XLA), используйте drop_remainder=True. Без drop_remainder=True форма выходного набора данных будет иметь неизвестное ведущее измерение из-за возможности создания меньшего конечного пакета.
Аргументы
batch_size Скалярный тензор типа tf.int64, представляющий количество последовательных элементов этого набора данных, объединяемых в одну партию.
drop_remainder (Необязательно.) Скалярный тензор типа tf.bool, представляющий, следует ли отбрасывать последнюю партию в случае, если она содержит меньше, чем batch_size элементов; по умолчанию меньшая партия не отбрасывается.
num_parallel_calls (Необязательно.) Скалярный тензор типа tf.int64, представляющий количество партий, которые необходимо вычислять асинхронно параллельно. Если не указано, партии будут вычисляться последовательно. Если используется значение tf.data.AUTOTUNE, то количество параллельных вызовов динамически настраивается в зависимости от доступных ресурсов.
deterministic (Необязательно.) Когда задан num_parallel_calls, если указан этот логический параметр (True или False), он управляет порядком, в котором преобразование генерирует элементы. Если установлено значение False, преобразование разрешено генерировать элементы вне порядка, чтобы поменять детерминированность на производительность. Если не указано, поведение контролируется опцией tf.data.Options.deterministic (по умолчанию True).
name (Необязательно.) Имя операции tf.data.
Возвращает
Новый Dataset с применённым преобразованием, как описано выше.

bucket_by_sequence_length

Просмотреть исходный код

bucket_by_sequence_length(
    element_length_func,
    bucket_boundaries,
    bucket_batch_sizes,
    padded_shapes=None,
    padding_values=None,
    pad_to_bucket_boundary=False,
    no_padding=False,
    drop_remainder=False,
    name=None
) -> 'DatasetV2'

Преобразование, которое группирует элементы в Dataset по длине.

Элементы Dataset группируются по длине, а затем дополняются и объединяются в партии.

Это полезно для задач со последовательностями, в которых элементы имеют переменную длину. Группирование элементов с похожими длинами уменьшает общую долю заполнения в партии, что повышает эффективность шага обучения.

Ниже приведён пример букетизации входных данных на 3 корзины "[0, 3), [3, 5), [5, inf)" на основе длины последовательности, с размером партии 2.

elements = [
  [0], [1, 2, 3, 4], [5, 6, 7],
  [7, 8, 9, 10, 11], [13, 14, 15, 16, 19, 20], [21, 22]]
dataset = tf.data.Dataset.from_generator(
    lambda: elements, tf.int64, output_shapes=[None])
dataset = dataset.bucket_by_sequence_length(
        element_length_func=lambda elem: tf.shape(elem)[0],
        bucket_boundaries=[3, 5],
        bucket_batch_sizes=[2, 2, 2])
for elem in dataset.as_numpy_iterator():
  print(elem)
[[1 2 3 4]
[5 6 7 0]]
[[ 7  8  9 10 11  0]
[13 14 15 16 19 20]]
[[ 0  0]
[21 22]]
Аргументы
element_length_func Функция, преобразующая элемент в Dataset в tf.int32, определяющая длину элемента, которая будет определять корзину, в которую он попадает.
bucket_boundaries Верхние границы длин корзин.
bucket_batch_sizes Размер партии на каждую корзину. Длина должна быть len(bucket_boundaries) + 1.
padded_shapes Вложенная структура tf.TensorShape, передаваемая в tf.data.Dataset.padded_batch. Если не указано, будет использоваться dataset.output_shapes, что приведёт к дополнению размерностей переменной длины до максимальной длины в каждой партии.
padding_values Значения для дополнения, передаваемые в tf.data.Dataset.padded_batch. По умолчанию дополняется нулями.
pad_to_bucket_boundary Логическое значение, если False, размеры с неизвестным размером дополняются до максимальной длины в партии. Если True, размеры с неизвестным размером дополняются до границы корзины минус 1 (т.е. максимальной длины в каждой корзине), и вызывающий код должен убедиться, что исходный Dataset не содержит элементов с длиной, большей, чем max(bucket_boundaries).
no_padding Логическое значение, указывает, нужно ли дополнять особенности партии (особенности должны быть типа tf.sparse.SparseTensor или с одинаковой формой).
drop_remainder (Необязательно.) Скалярный тензор типа tf.bool, представляющий, следует ли отбрасывать последнюю партию в случае, если она содержит меньше, чем batch_size элементов; по умолчанию меньшая партия не отбрасывается.
name (Необязательно.) Имя операции tf.data.
Возвращает
Новый Dataset с применённым преобразованием, как описано выше.
Возможные исключения
ValueError если len(bucket_batch_sizes) != len(bucket_boundaries) + 1.

cache

Просмотреть исходный код

cache(
    filename='', name=None
) -> 'DatasetV2'

Кэширует элементы в этом наборе данных.

В первый раз при итерации по набору данных, его элементы будут кэшированы либо в указанном файле, либо в оперативной памяти. Последующие итерации будут использовать кэшированные данные.

Примечание: Для гарантии завершения кэширования, входной набор данных должен быть проитерирован полностью, до возникновения исключения StopIteration. В противном случае, последующие итерации могут не использовать кэшированные данные.
dataset = tf.data.Dataset.range(5)
dataset = dataset.map(lambda x: x**2)
dataset = dataset.cache()
# The first time reading through the data will generate the data using
# `range` and `map`.
list(dataset.as_numpy_iterator())
[0, 1, 4, 9, 16]
# Subsequent iterations read from the cache.
list(dataset.as_numpy_iterator())
[0, 1, 4, 9, 16]

При кэшировании в файл, кэшированные данные будут сохраняться между запусками. Даже первая итерация по данным будет читать из файла кэша. Изменение входной обработки до вызова .cache() не будет иметь эффекта до удаления файла кэша или изменения имени файла.

dataset = tf.data.Dataset.range(5)
dataset = dataset.cache("/path/to/file")
list(dataset.as_numpy_iterator())
# [0, 1, 2, 3, 4]
dataset = tf.data.Dataset.range(10)
dataset = dataset.cache("/path/to/file")  # Same file!
list(dataset.as_numpy_iterator())
# [0, 1, 2, 3, 4]
Примечание: cache будет производить точно такие же элементы во время каждой итерации по набору данных. Если вы хотите случайный порядок итерации, убедитесь, что вы вызываете shuffle *после* вызова cache.
Аргументы
filename Скалярный тензор типа tf.string, представляющий имя каталога в файловой системе для кэширования элементов в этом наборе данных. Если имя файла не указано, набор данных будет кэширован в оперативной памяти.
name (Необязательно.) Имя операции tf.data.
Возвращает
Новый Dataset с применённым преобразованием, как описано выше.

cardinality

Просмотреть исходный код

cardinality()

Возвращает мощность набора данных, если она известна.

cardinality может возвращать tf.data.INFINITE_CARDINALITY, если набор данных содержит бесконечное число элементов, или tf.data.UNKNOWN_CARDINALITY, если анализ не может определить количество элементов в наборе данных (например, когда источником набора данных является файл).

dataset = tf.data.Dataset.range(42)
print(dataset.cardinality().numpy())
42
dataset = dataset.repeat()
cardinality = dataset.cardinality()
print((cardinality == tf.data.INFINITE_CARDINALITY).numpy())
True
dataset = dataset.filter(lambda x: True)
cardinality = dataset.cardinality()
print((cardinality == tf.data.UNKNOWN_CARDINALITY).numpy())
True
Возвращает
Скалярный тензор типа tf.int64 Tensor, представляющий мощность набора данных. Если мощность бесконечна или неизвестна, cardinality возвращает именованные константы tf.data.INFINITE_CARDINALITY и tf.data.UNKNOWN_CARDINALITY соответственно.

choose_from_datasets

Просмотреть исходный код

@staticmethod
choose_from_datasets(
    datasets, choice_dataset, stop_on_empty_dataset=True
) -> 'DatasetV2'

Создаёт набор данных, который детерминированно выбирает элементы из datasets.

Например, с данными наборами:

datasets = [tf.data.Dataset.from_tensors("foo").repeat(),
            tf.data.Dataset.from_tensors("bar").repeat(),
            tf.data.Dataset.from_tensors("baz").repeat()]

# Define a dataset containing `[0, 1, 2, 0, 1, 2, 0, 1, 2]`.
choice_dataset = tf.data.Dataset.range(3).repeat(3)

result = tf.data.Dataset.choose_from_datasets(datasets, choice_dataset)

Элементы набора result будут:

"foo", "bar", "baz", "foo", "bar", "baz", "foo", "bar", "baz"
Аргументы
datasets Непустой список объектов набора данных tf.data.Dataset с совместимой структурой.
choice_dataset Набор данных скалярных тензоров типа tf.int64 между 0 и len(datasets) - 1.
stop_on_empty_dataset Если True, выбор останавливается, если встречается пустой набор данных. Если False, пустые наборы данных пропускаются. Рекомендуется установить его в значение True. В противном случае, выбранные элементы начинаются так, как предполагает пользователь, но могут меняться по мере того, как входные наборы данных становятся пустыми. Это может быть сложно обнаружить, поскольку набор данных с самого начала выглядит правильно. По умолчанию True.
Возвращает
Новый Dataset с применённым преобразованием, как описано выше.
Возбуждает
TypeError Если datasets или choice_dataset имеют неправильный тип.
ValueError Если datasets пусто.

concatenate

Просмотреть исходный код

concatenate(
    dataset, name=None
) -> 'DatasetV2'

Создаёт Dataset, конкатенируя заданный набор данных с этим набором данных.

a = tf.data.Dataset.range(1, 4)  # ==> [ 1, 2, 3 ]
b = tf.data.Dataset.range(4, 8)  # ==> [ 4, 5, 6, 7 ]
ds = a.concatenate(b)
list(ds.as_numpy_iterator())
[1, 2, 3, 4, 5, 6, 7]
# The input dataset and dataset to be concatenated should have
# compatible element specs.
c = tf.data.Dataset.zip((a, b))
a.concatenate(c)
Traceback (most recent call last):
TypeError: Two datasets to concatenate have different types
<dtype: 'int64'> and (tf.int64, tf.int64)
d = tf.data.Dataset.from_tensor_slices(["a", "b", "c"])
a.concatenate(d)
Traceback (most recent call last):
TypeError: Two datasets to concatenate have different types
<dtype: 'int64'> and <dtype: 'string'>
Аргументы
dataset Dataset, подлежащий конкатенации.
name (Необязательно.) Имя операции tf.data.
Возвращает
Новый Dataset с применённым преобразованием, как описано выше.

counter

Просмотреть исходный код

@staticmethod
counter(
    start=0,
    step=1,
    dtype=tf.dtypes.int64,
    name=None
) -> 'DatasetV2'

Создаёт Dataset, который считает от start с шагом step.

В отличие от tf.data.Dataset.range, который останавливается на определённом конечном числе, tf.data.Dataset.counter производит элементы бесконечно.

dataset = tf.data.experimental.Counter().take(5)
list(dataset.as_numpy_iterator())
[0, 1, 2, 3, 4]
dataset.element_spec
TensorSpec(shape=(), dtype=tf.int64, name=None)
dataset = tf.data.experimental.Counter(dtype=tf.int32)
dataset.element_spec
TensorSpec(shape=(), dtype=tf.int32, name=None)
dataset = tf.data.experimental.Counter(start=2).take(5)
list(dataset.as_numpy_iterator())
[2, 3, 4, 5, 6]
dataset = tf.data.experimental.Counter(start=2, step=5).take(5)
list(dataset.as_numpy_iterator())
[2, 7, 12, 17, 22]
dataset = tf.data.experimental.Counter(start=10, step=-1).take(5)
list(dataset.as_numpy_iterator())
[10, 9, 8, 7, 6]
Аргументы
start (Необязательно.) Начальное значение счётчика. По умолчанию 0.
step (Необязательно.) Размер шага счётчика. По умолчанию 1.
dtype (Необязательно.) Тип данных для элементов счётчика. По умолчанию tf.int64.
name (Необязательно.) Имя операции tf.data.
Возвращает
Dataset скалярных элементов dtype.

enumerate

Просмотреть исходный код

enumerate(
    start=0, name=None
) -> 'DatasetV2'

Перечисляет элементы этого набора данных.

Аналогично встроенной функции Python's enumerate.

dataset = tf.data.Dataset.from_tensor_slices([1, 2, 3])
dataset = dataset.enumerate(start=5)
for element in dataset.as_numpy_iterator():
  print(element)
(5, 1)
(6, 2)
(7, 3)
# The (nested) structure of the input dataset determines the
# structure of elements in the resulting dataset.
dataset = tf.data.Dataset.from_tensor_slices([(7, 8), (9, 10)])
dataset = dataset.enumerate()
for element in dataset.as_numpy_iterator():
  print(element)
(0, array([7, 8], dtype=int32))
(1, array([ 9, 10], dtype=int32))
Аргументы
start Скалярный тензор tf.int64, представляющий начальное значение для нумерации.
name Необязательно. Имя для операций tf.data, используемых enumerate.
Возвращает
Новый Dataset с применённым преобразованием, как описано выше.

filter

Просмотреть исходный код

filter(
    predicate, name=None
) -> 'DatasetV2'

Фильтрует этот набор данных в соответствии с predicate.

dataset = tf.data.Dataset.from_tensor_slices([1, 2, 3])
dataset = dataset.filter(lambda x: x < 3)
list(dataset.as_numpy_iterator())
[1, 2]
# `tf.math.equal(x, y)` is required for equality comparison
def filter_fn(x):
  return tf.math.equal(x, 1)
dataset = dataset.filter(filter_fn)
list(dataset.as_numpy_iterator())
[1]
Аргументы
predicate Функция, сопоставляющая элемент набора данных с булевым значением.
name (Необязательно.) Имя операции tf.data.
Возвращает
Новый Dataset с применённым преобразованием, как описано выше.

filter_with_legacy_function

Просмотреть исходный код

filter_with_legacy_function(
    predicate
) -> 'DatasetV2'

Фильтрует этот набор данных в соответствии с predicate. (устарело)

Устарело: ЭТА ФУНКЦИЯ УСТАРЕЛА. Она будет удалена в будущей версии. Инструкции по обновлению: Используйте `tf.data.Dataset.filter()
Примечание: Это временное решение для существующего использования filter, которое не работает с функциями V2. Новые использования крайне не рекомендуются, и существующие должны мигрировать на filter, поскольку этот метод будет удалён в V2.
Аргументы
predicate Функция, сопоставляющая (вложенную) структуру тензоров (с формами и типами, определёнными self.output_shapes и self.output_types) со скалярным тензором tf.bool.
Возвращает
Dataset Dataset, содержащий элементы этого набора данных, для которых predicate равно True.

fingerprint

Просмотреть исходный код

fingerprint()

Вычисляет отпечаток пальца этого Dataset.

Если у двух наборов данных одинаковый отпечаток пальца, гарантируется, что они будут производить идентичные элементы, при условии, что содержимое входных файлов не изменится, и они генерируют данные детерминированно.

Однако, два набора данных, производящие одинаковые значения, не всегда означают, что у них будет одинаковый отпечаток пальца из-за различных конструкций графа.

Другими словами, если у двух наборов данных разные отпечатки пальцев, они всё ещё могут производить идентичные значения.

Возвращает
Скалярный тензор tf.Tensor типа tf.uint64.

flat_map

Просмотреть исходный код

flat_map(
    map_func, name=None
) -> 'DatasetV2'

Применяет map_func к этому набору данных и уплощает результат.

Тип сигнатуры:

def flat_map(
  self: Dataset[T],
  map_func: Callable[[T], Dataset[S]]
) -> Dataset[S]

Используйте flat_map, если нужно гарантировать, что порядок вашего набора данных сохранится. Например, для уплощения набора данных пакетов в набор их элементов:

dataset = tf.data.Dataset.from_tensor_slices(
    [[1, 2, 3], [4, 5, 6], [7, 8, 9]])
dataset = dataset.flat_map(tf.data.Dataset.from_tensor_slices)
list(dataset.as_numpy_iterator())
[1, 2, 3, 4, 5, 6, 7, 8, 9]

tf.data.Dataset.interleave() является обобщением flat_map, так как flat_map даёт тот же результат, что и tf.data.Dataset.interleave(cycle_length=1)

Аргументы
map_func Функция, сопоставляющая элемент набора данных с набором данных.
name (Необязательно.) Имя операции tf.data.
Возвращает
Новый Dataset с применённым преобразованием, как описано выше.

from_generator

Просмотреть исходный код

@staticmethod
from_generator(
    generator,
    output_types=None,
    output_shapes=None,
    args=None,
    output_signature=None,
    name=None
) -> 'DatasetV2'

Создаёт Dataset, чьи элементы генерируются generator. (устаревшие аргументы)

Устарело: НЕКОТОРЫЕ АРГУМЕНТЫ УСТАРЕЛИ: (output_shapes, output_types). Они будут удалены в будущей версии. Инструкции по обновлению: Используйте output_signature вместо этого
Примечание: Текущая реализация Dataset.from_generator() использует tf.numpy_function и наследует те же ограничения. В частности, она требует, чтобы операции, связанные с набором данных и итератором, были размещены на устройстве в том же процессе, что и Python-программа, вызвавшая Dataset.from_generator(). В частности, использование from_generator запретит использование tf.data service для масштабирования обработки набора данных. Тело generator не будет сериализовано в GraphDef, и не следует использовать этот метод, если вам необходимо сериализовать вашу модель и восстановить её в другой среде.

Аргумент generator должен быть вызываемым объектом, возвращающим объект, поддерживающий протокол iter() (например, функцию-генератор).

END_OF_DOCUMENT_MARKER ```

Элементы, сгенерированные generator, должны быть совместимы либо с заданным аргументом output_signature, либо с заданными аргументами output_types и (необязательно) output_shapes, какой из них был указан.

Рекомендуемый способ вызова from_generator — использовать аргумент output_signature. В этом случае выходные данные будут предполагаться состоящими из объектов с классами, формами и типами, определёнными объектами tf.TypeSpec из аргумента output_signature:

def gen():
  ragged_tensor = tf.ragged.constant([[1, 2], [3]])
  yield 42, ragged_tensor

dataset = tf.data.Dataset.from_generator(
     gen,
     output_signature=(
         tf.TensorSpec(shape=(), dtype=tf.int32),
         tf.RaggedTensorSpec(shape=(2, None), dtype=tf.int32)))

list(dataset.take(1))
[(<tf.Tensor: shape=(), dtype=int32, numpy=42>,
<tf.RaggedTensor [[1, 2], [3]]>)]

Также существует устаревший способ вызова from_generator, используя либо только аргумент output_types, либо вместе с аргументом output_shapes. В этом случае выходные данные функции будут предполагаться состоящими из объектов tf.Tensor с типами, определёнными output_types, и формами, которые могут быть неизвестны или определены output_shapes.

Примечание: Если generator зависит от изменяемых глобальных переменных или другого внешнего состояния, следует знать, что во время выполнения generator может быть вызвано несколько раз (для поддержки повторения Dataset) и в любое время между вызовом Dataset.from_generator() и созданием первого элемента генератора. Изменение глобальных переменных или внешнего состояния может привести к неопределённому поведению, и мы рекомендуем кэшировать любое внешнее состояние в generator перед вызовом Dataset.from_generator().
Примечание: Хотя параметр output_signature позволяет передавать элементы Dataset, область применения Dataset.from_generator() должна быть ограничена логикой, которую нельзя выразить с помощью операций tf.data. Использование операций tf.data внутри функции-генератора является антипаттерном и может привести к постепенному росту потребления памяти.
Аргументы
generator Объект вызываемого типа, возвращающий объект, поддерживающий протокол iter(). Если args не указан, generator не должен принимать аргументы; в противном случае он должен принимать столько аргументов, сколько значений в args.
output_types (Необязательно.) (Вложенная) структура объектов tf.DType, соответствующих каждому компоненту элемента, возвращаемого generator.
output_shapes (Необязательно.) (Вложенная) структура объектов tf.TensorShape, соответствующих каждому компоненту элемента, возвращаемого generator.
args (Необязательно.) Кортеж объектов tf.Tensor, которые будут вычислены и переданы generator в качестве аргументов массивов NumPy.
output_signature (Необязательно.) (Вложенная) структура объектов tf.TypeSpec, соответствующих каждому компоненту элемента, возвращаемого generator.
name (Необязательно.) Имя для операций tf.data, используемых from_generator.
Возвращает
Dataset Объект типа Dataset.

from_sparse_tensor_slices

Посмотреть исходный код

@staticmethod
from_sparse_tensor_slices(
    sparse_tensor
)

Разделяет каждый тензор ранга N tf.sparse.SparseTensor в этом наборе данных по строкам. (Устарело)

Устарело: ЭТА ФУНКЦИЯ УСТАРЕЛА. Она будет удалена в будущей версии. Инструкции по обновлению: Используйте tf.data.Dataset.from_tensor_slices().
Аргументы
sparse_tensor tf.sparse.SparseTensor.
Возвращает
Dataset Объект Dataset ранга (N-1) разреженных тензоров.

from_tensor_slices

Посмотреть исходный код

@staticmethod
from_tensor_slices(
    tensors, name=None
) -> 'DatasetV2'

Создаёт набор данных Dataset, элементы которого являются срезами заданных тензоров.

Заданные тензоры нарезаются по первому измерению. Эта операция сохраняет структуру входных тензоров, удаляя первое измерение каждого тензора и используя его как измерение набора данных. Все входные тензоры должны иметь одинаковый размер в своих первых измерениях.

# Slicing a 1D tensor produces scalar tensor elements.
dataset = tf.data.Dataset.from_tensor_slices([1, 2, 3])
list(dataset.as_numpy_iterator())
[1, 2, 3]
# Slicing a 2D tensor produces 1D tensor elements.
dataset = tf.data.Dataset.from_tensor_slices([[1, 2], [3, 4]])
list(dataset.as_numpy_iterator())
[array([1, 2], dtype=int32), array([3, 4], dtype=int32)]
# Slicing a tuple of 1D tensors produces tuple elements containing
# scalar tensors.
dataset = tf.data.Dataset.from_tensor_slices(([1, 2], [3, 4], [5, 6]))
list(dataset.as_numpy_iterator())
[(1, 3, 5), (2, 4, 6)]
# Dictionary structure is also preserved.
dataset = tf.data.Dataset.from_tensor_slices({"a": [1, 2], "b": [3, 4]})
list(dataset.as_numpy_iterator()) == [{'a': 1, 'b': 3},
                                      {'a': 2, 'b': 4}]
True
# Two tensors can be combined into one Dataset object.
features = tf.constant([[1, 3], [2, 1], [3, 3]]) # ==> 3x2 tensor
labels = tf.constant(['A', 'B', 'A']) # ==> 3x1 tensor
dataset = Dataset.from_tensor_slices((features, labels))
# Both the features and the labels tensors can be converted
# to a Dataset object separately and combined after.
features_dataset = Dataset.from_tensor_slices(features)
labels_dataset = Dataset.from_tensor_slices(labels)
dataset = Dataset.zip((features_dataset, labels_dataset))
# A batched feature and label set can be converted to a Dataset
# in similar fashion.
batched_features = tf.constant([[[1, 3], [2, 3]],
                                [[2, 1], [1, 2]],
                                [[3, 3], [3, 2]]], shape=(3, 2, 2))
batched_labels = tf.constant([['A', 'A'],
                              ['B', 'B'],
                              ['A', 'B']], shape=(3, 2, 1))
dataset = Dataset.from_tensor_slices((batched_features, batched_labels))
for element in dataset.as_numpy_iterator():
  print(element)
(array([[1, 3],
       [2, 3]], dtype=int32), array([[b'A'],
       [b'A']], dtype=object))
(array([[2, 1],
       [1, 2]], dtype=int32), array([[b'B'],
       [b'B']], dtype=object))
(array([[3, 3],
       [3, 2]], dtype=int32), array([[b'A'],
       [b'B']], dtype=object))

Обратите внимание, что если tensors содержит массив NumPy, и режим выполнения eager отключён, значения будут встроены в график как одна или несколько операций tf.constant. Для больших наборов данных (> 1 ГБ) это может привести к излишнему расходу памяти и ограничению размера графика. Если tensors содержит один или несколько больших массивов NumPy, рассмотрите альтернативный способ, описанный в этом руководстве.

Аргументы
tensors Элемент набора данных, компоненты которого имеют одинаковое первое измерение. Поддерживаемые значения документированы здесь.
name (Необязательно.) Имя для операции tf.data.
Возвращает
Dataset Объект типа Dataset.

from_tensors

Посмотреть исходный код

@staticmethod
from_tensors(
    tensors, name=None
) -> 'DatasetV2'

Создаёт набор данных Dataset с одним элементом, содержащим заданные тензоры.

from_tensors создаёт набор данных, содержащий только один элемент. Чтобы нарезать входной тензор на несколько элементов, используйте from_tensor_slices.

dataset = tf.data.Dataset.from_tensors([1, 2, 3])
list(dataset.as_numpy_iterator())
[array([1, 2, 3], dtype=int32)]
dataset = tf.data.Dataset.from_tensors(([1, 2, 3], 'A'))
list(dataset.as_numpy_iterator())
[(array([1, 2, 3], dtype=int32), b'A')]
# You can use `from_tensors` to produce a dataset which repeats
# the same example many times.
example = tf.constant([1,2,3])
dataset = tf.data.Dataset.from_tensors(example).repeat(2)
list(dataset.as_numpy_iterator())
[array([1, 2, 3], dtype=int32), array([1, 2, 3], dtype=int32)]

Обратите внимание, что если tensors содержит массив NumPy, и режим выполнения eager отключён, значения будут встроены в график как одна или несколько операций tf.constant. Для больших наборов данных (> 1 ГБ) это может привести к излишнему расходу памяти и ограничению размера графика. Если tensors содержит один или несколько больших массивов NumPy, рассмотрите альтернативный способ, описанный в этом руководстве.

Аргументы
tensors Элемент набора данных. Поддерживаемые значения документированы здесь.
name (Необязательно.) Имя для операции tf.data.
Возвращает
Dataset Объект типа Dataset.

get_single_element

Посмотреть исходный код

get_single_element(
    name=None
)

Возвращает единственный элемент набора данных dataset.

Функция позволяет использовать набор данных tf.data.Dataset в бессостоятельном выражении «тензор-в-тензор», не создавая итератор. Это упрощает преобразование данных над тензорами с использованием оптимизированной абстракции набора данных tf.data.Dataset поверх них.

Например, рассмотрим набор данных preprocessing_fn, который принимает на вход исходные признаки и возвращает обработанные признаки вместе с меткой.

def preprocessing_fn(raw_feature):
  # ... the raw_feature is preprocessed as per the use-case
  return feature

raw_features = ...  # input batch of BATCH_SIZE elements.
dataset = (tf.data.Dataset.from_tensor_slices(raw_features)
          .map(preprocessing_fn, num_parallel_calls=BATCH_SIZE)
          .batch(BATCH_SIZE))

processed_features = dataset.get_single_element()

В данном примере тензор raw_features длины BATCH_SIZE был преобразован в набор данных tf.data.Dataset. Затем каждый из raw_feature был преобразован с помощью preprocessing_fn, а обработанные признаки были объединены в одну партию. Результирующий набор данных dataset содержит только один элемент, который представляет собой партию всех обработанных признаков.

Примечание: Набор данных dataset должен содержать только один элемент.

Теперь, вместо создания итератора для набора данных dataset и извлечения партии признаков, используется функция tf.data.get_single_element() для пропуска этапа создания итератора и непосредственного вывода партии признаков.

Это может быть особенно полезно, когда преобразования тензоров выражены как операции с наборами данных tf.data.Dataset, и вы хотите использовать эти преобразования при обслуживании вашей модели.

Keras

model = ... # A pre-built or custom model

class PreprocessingModel(tf.keras.Model):
  def __init__(self, model):
    super().__init__(self)
    self.model = model

  @tf.function(input_signature=[...])
  def serving_fn(self, data):
    ds = tf.data.Dataset.from_tensor_slices(data)
    ds = ds.map(preprocessing_fn, num_parallel_calls=BATCH_SIZE)
    ds = ds.batch(batch_size=BATCH_SIZE)
    return tf.argmax(self.model(ds.get_single_element()), axis=-1)

preprocessing_model = PreprocessingModel(model)
your_exported_model_dir = ... # save the model to this path.
tf.saved_model.save(preprocessing_model, your_exported_model_dir,
              signatures={'serving_default': preprocessing_model.serving_fn}
              )
Аргументы
name (Необязательно.) Имя для операции tf.data.
Возвращает
Вложенная структура объектов tf.Tensor, соответствующая единственному элементу dataset.
Возбуждает
InvalidArgumentError (во время выполнения) если dataset не содержит ровно один элемент.

group_by_window

Просмотреть исходный код

group_by_window(
    key_func, reduce_func, window_size=None, window_size_func=None, name=None
) -> 'DatasetV2'

Группирует окна элементов по ключу и сводит их.

Это преобразование сопоставляет каждый последовательный элемент в наборе данных с ключом, используя key_func, и группирует элементы по ключу. Затем оно применяет reduce_func к не более чем window_size_func(key) элементам, соответствующим одному и тому же ключу. Все, кроме последнего окна для каждого ключа, будут содержать window_size_func(key) элементов; последнее окно может быть меньше.

Вы можете указать либо постоянное значение window_size, либо размер окна, определяемый ключом, через window_size_func.

dataset = tf.data.Dataset.range(10)
window_size = 5
key_func = lambda x: x%2
reduce_func = lambda key, dataset: dataset.batch(window_size)
dataset = dataset.group_by_window(
          key_func=key_func,
          reduce_func=reduce_func,
          window_size=window_size)
for elem in dataset.as_numpy_iterator():
  print(elem)
[0 2 4 6 8]
[1 3 5 7 9]
Аргументы
key_func Функция, сопоставляющая вложенную структуру тензоров (с формами и типами, определенными self.output_shapes и self.output_types) со скалярным тензором tf.int64.
reduce_func Функция, сопоставляющая ключ и набор данных, содержащий до window_size последовательных элементов, соответствующих этому ключу, с другим набором данных.
window_size Скалярный tf.Tensor типа tf.int64, представляющий количество последовательных элементов, соответствующих одному и тому же ключу, для объединения в одну партию, которая будет передана в reduce_func. Взаимоисключающее с window_size_func.
window_size_func Функция, сопоставляющая ключ со скалярным тензором tf.Tensor типа tf.int64, представляющий количество последовательных элементов, соответствующих одному и тому же ключу, для объединения в одну партию, которая будет передана в reduce_func. Взаимоисключающее с window_size.
name (Необязательно.) Имя операции tf.data.
Возвращает
Новый Dataset с применённым преобразованием, как описано выше.
Возбуждает
ValueError если не переданы ни один, ни оба из {window_size, window_size_func}.

ignore_errors

Просмотреть исходный код

ignore_errors(
    log_warning=False, name=None
) -> 'DatasetV2'

Отбрасывает элементы, которые вызывают ошибки.

dataset = tf.data.Dataset.from_tensor_slices([1., 2., 0., 4.])
dataset = dataset.map(lambda x: tf.debugging.check_numerics(1. / x, ""))
list(dataset.as_numpy_iterator())
Traceback (most recent call last):

InvalidArgumentError: ... Tensor had Inf values
dataset = dataset.ignore_errors()
list(dataset.as_numpy_iterator())
[1.0, 0.5, 0.25]
Аргументы
log_warning (Необязательно.) Булево значение, указывающее, следует ли записывать игнорируемые ошибки в stderr. По умолчанию False.
name (Необязательно.) Строка, обозначающая имя операции tf.data.
Возвращает
Новый Dataset с применённым преобразованием, как описано выше.

interleave

Просмотреть исходный код

interleave(
    map_func,
    cycle_length=None,
    block_length=None,
    num_parallel_calls=None,
    deterministic=None,
    name=None
) -> 'DatasetV2'

Применяет map_func ко всему набору данных и интерливирует результаты.

Подпись типа:

def interleave(
  self: Dataset[T],
  map_func: Callable[[T], Dataset[S]]
) -> Dataset[S]

Например, вы можете использовать Dataset.interleave() для одновременной обработки многих входных файлов:

# Preprocess 4 files concurrently, and interleave blocks of 16 records
# from each file.
filenames = ["/var/data/file1.txt", "/var/data/file2.txt",
             "/var/data/file3.txt", "/var/data/file4.txt"]
dataset = tf.data.Dataset.from_tensor_slices(filenames)
def parse_fn(filename):
  return tf.data.Dataset.range(10)
dataset = dataset.interleave(lambda x:
    tf.data.TextLineDataset(x).map(parse_fn, num_parallel_calls=1),
    cycle_length=4, block_length=16)

Аргументы cycle_length и block_length управляют порядком, в котором производятся элементы. cycle_length контролирует количество входных элементов, обрабатываемых одновременно. Если вы установите cycle_length в 1, это преобразование будет обрабатывать один входной элемент за раз, и даст идентичные результаты tf.data.Dataset.flat_map. В общем случае, это преобразование применит map_func к cycle_length входным элементам, откроет итераторы на возвращённых Dataset объектах, и будет циклически проходить по ним, производя block_length последовательных элементов из каждого итератора, и потребляя следующий входной элемент каждый раз, когда достигает конца итератора.

Например:

dataset = Dataset.range(1, 6)  # ==> [ 1, 2, 3, 4, 5 ]
# NOTE: New lines indicate "block" boundaries.
dataset = dataset.interleave(
    lambda x: Dataset.from_tensors(x).repeat(6),
    cycle_length=2, block_length=4)
list(dataset.as_numpy_iterator())
[1, 1, 1, 1,
 2, 2, 2, 2,
 1, 1,
 2, 2,
 3, 3, 3, 3,
 4, 4, 4, 4,
 3, 3,
 4, 4,
 5, 5, 5, 5,
 5, 5]
Примечание: Порядок элементов, выдаваемых этим преобразованием, детерминирован, если map_func - чистая функция и deterministic=True. Если map_func содержит какие-либо операции с состоянием, порядок доступа к этому состоянию не определён.

Производительность часто можно улучшить, установив num_parallel_calls, так как interleave будет использовать несколько потоков для извлечения элементов. Если детерминизм не требуется, производительность также можно улучшить, установив deterministic=False.

filenames = ["/var/data/file1.txt", "/var/data/file2.txt",
             "/var/data/file3.txt", "/var/data/file4.txt"]
dataset = tf.data.Dataset.from_tensor_slices(filenames)
dataset = dataset.interleave(lambda x: tf.data.TFRecordDataset(x),
    cycle_length=4, num_parallel_calls=tf.data.AUTOTUNE,
    deterministic=False)
Аргументы
map_func Функция, которая принимает элемент набора данных и возвращает tf.data.Dataset.
cycle_length (Необязательно.) Количество входных элементов, которые будут обрабатываться одновременно. Если не задано, tf.data runtime решает, каково оно должно быть, исходя из доступных CPU. Если num_parallel_calls установлено в tf.data.AUTOTUNE, аргумент cycle_length определяет максимальную степень параллелизма.
block_length (Необязательно.) Количество последовательных элементов, которые необходимо получить от каждого входного элемента перед переходом к другому входному элементу. Если не задано, по умолчанию 1.
num_parallel_calls (Необязательно.) Если указано, реализация создаёт пул потоков, который используется для асинхронного и параллельного получения входов из циклических элементов. По умолчанию входы из циклических элементов получаются синхронно без параллелизма. Если используется значение tf.data.AUTOTUNE, то количество параллельных вызовов устанавливается динамически на основе доступных CPU.
deterministic (Необязательно.) Когда num_parallel_calls указано, если этот булевый параметр указан (True или False), он контролирует порядок, в котором преобразование генерирует элементы. Если задано False, преобразованию разрешается выдавать элементы в неупорядоченном порядке, чтобы поменять детерминизм на производительность. Если не указано, опция tf.data.Options.deterministic (True по умолчанию) контролирует поведение.
name (Необязательно.) Имя операции tf.data.
Возвращает
Новый Dataset с применённым преобразованием, как описано выше.

list_files

Просмотреть исходный код

@staticmethod
list_files(
    file_pattern, shuffle=None, seed=None, name=None
) -> 'DatasetV2'

Набор данных всех файлов, соответствующих одному или нескольким шаблонам glob.

Аргумент file_pattern должен содержать небольшое количество шаблонов glob. Если имена файлов уже были проглоблены, используйте Dataset.from_tensor_slices(filenames) вместо этого, так как повторная обработка каждого имени файла с помощью list_files может привести к плохой производительности с удалёнными системами хранения.

Примечание: По умолчанию этот метод возвращает имена файлов в неупорядоченном порядке, случайным образом. Передайте seed или shuffle=False, чтобы получить результаты в определённом порядке.
Пример
Если на нашей файловой системе есть следующие файлы:
  • /path/to/dir/a.txt
  • /path/to/dir/b.py
  • /path/to/dir/c.py

Если мы передадим "/path/to/dir/*.py" в качестве каталога, набор данных вернёт:

  • /path/to/dir/b.py
  • /path/to/dir/c.py
END_OF_DOCUMENT_MARKER
Аргументы
file_pattern Строка, список строк или tf.Tensor типа строка (скаляр или вектор), представляющий(щие) шаблон(ы) сопоставления имени файла (т.е. оболочки символов подстановки), которые будут сопоставлены.
shuffle (Необязательно.) Если True, имена файлов будут перемешаны случайным образом. По умолчанию True.
seed (Необязательно.) Скалярный tf.int64 tf.Tensor, представляющий случайное семя, которое будет использоваться для создания распределения. См. tf.random.set_seed для получения информации о поведении.
name Необязательно. Имя операций tf.data, используемых list_files.
Возвращаемое значение
Dataset Dataset строк, соответствующих именам файлов.

load

Просмотреть исходный код

@staticmethod
load(
    path, element_spec=None, compression=None, reader_func=None
) -> 'DatasetV2'

Загружает сохранённый ранее набор данных.

Пример использования:

import tempfile
path = os.path.join(tempfile.gettempdir(), "saved_data")
# Save a dataset
dataset = tf.data.Dataset.range(2)
tf.data.Dataset.save(dataset, path)
new_dataset = tf.data.Dataset.load(path)
for elem in new_dataset:
  print(elem)
tf.Tensor(0, shape=(), dtype=int64)
tf.Tensor(1, shape=(), dtype=int64)

Если использовался параметр по умолчанию по разделению сохранённого набора данных на части, порядок элементов сохранённого набора данных будет сохранён при его загрузке.

Аргумент reader_func может использоваться для указания пользовательского порядка, в котором элементы должны загружаться из отдельных частей. reader_func ожидается, что он примет один аргумент — набор наборов данных, каждый из которых содержит элементы одной из частей, и вернёт набор элементов. Например, порядок частей может быть перемешан при их загрузке следующим образом:

def custom_reader_func(datasets):
  datasets = datasets.shuffle(NUM_SHARDS)
  return datasets.interleave(lambda x: x, num_parallel_calls=AUTOTUNE)

dataset = tf.data.Dataset.load(
    path="/path/to/data", ..., reader_func=custom_reader_func)
Аргументы
path Требуется. Путь к ранее сохранённому набору данных.
tf.TypeSpec Необязательно. Вложенная структура объектов tf.TypeSpec, соответствующая структуре элемента сохранённого набора данных, и указывающая тип отдельных компонентов элементов. Если не указано, используется вложенная структура tf.TypeSpec, сохранённая вместе с сохранённым набором данных. Обратите внимание, что этот аргумент требуется в режиме графика.
compression Необязательно. Алгоритм для декомпрессии данных при чтении. Поддерживаются варианты GZIP и NONE. По умолчанию NONE.
reader_func Необязательно. Функция для управления чтением данных из частей. При наличии функция будет отслеживаться и выполняться как вычисление графика.
Возвращаемое значение
Экземпляр tf.data.Dataset.
Исключения
FileNotFoundError Если element_spec не указан, и вложенная структура сохранённых tf.TypeSpec не может быть найдена с помощью сохранённого набора данных.
ValueError Если element_spec не указан, и метод выполняется в режиме графика.

make_initializable_iterator

Просмотреть исходный код

make_initializable_iterator(
    shared_name=None
) -> tf.compat.v1.data.Iterator

Создаёт итератор для элементов этого набора данных. (устаревшее)

Устаревшее: ЭТА ФУНКЦИЯ УСТАРЕЛА. Она будет удалена в будущей версии. Инструкции по обновлению: Это устаревшее API, которое следует использовать только в режиме графика TF 1 и устаревшем режиме графика TF 2, доступном через tf.compat.v1. Во всех остальных ситуациях — а именно, в режиме eager и внутри tf.function — вы можете потреблять элементы набора данных, используя for elem in dataset: ... или явно создавая итератор через iterator = iter(dataset) и извлекая его элементы через values = next(iterator). Кроме того, это API недоступно в TF 2. Во время перехода от TF 1 к TF 2 вы можете использовать tf.compat.v1.data.make_initializable_iterator(dataset) для создания итератора в стиле графика TF 1 для набора данных, созданного с помощью API TF 2. Обратите внимание, что это должно быть временное состояние вашего кода, так как, как правило, нет гарантий о взаимозаменяемости кода TF 1 и TF 2.
Примечание: Возвращаемый итератор будет находиться в незапущенном состоянии, и вы должны выполнить операцию iterator.initializer перед его использованием:
# Building graph ...
dataset = ...
iterator = dataset.make_initializable_iterator()
next_value = iterator.get_next()  # This is a Tensor.

# ... from within a session ...
sess.run(iterator.initializer)
try:
  while True:
    value = sess.run(next_value)
    ...
except tf.errors.OutOfRangeError:
    pass
Аргументы
shared_name (Необязательно.) Если не пусто, возвращаемый итератор будет совместно использоваться под данным именем в нескольких сеансах, которые используют одни и те же устройства (например, при использовании удалённого сервера).
Возвращаемое значение
tf.data.Iterator для элементов этого набора данных.
Исключения
RuntimeError Если включено выполнение eager.

make_one_shot_iterator

Просмотреть исходный код

make_one_shot_iterator() -> Union[iterator_ops.Iterator, iterator_ops.OwnedIterator]

Создаёт итератор для элементов этого набора данных. (устаревшее)

Устаревшее: ЭТА ФУНКЦИЯ УСТАРЕЛА. Она будет удалена в будущей версии. Инструкции по обновлению: Это устаревшее API, которое следует использовать только в режиме графика TF 1 и устаревшем режиме графика TF 2, доступном через tf.compat.v1. Во всех остальных ситуациях — а именно, в режиме eager и внутри tf.function — вы можете потреблять элементы набора данных, используя for elem in dataset: ... или явно создавая итератор через iterator = iter(dataset) и извлекая его элементы через values = next(iterator). Кроме того, это API недоступно в TF 2. Во время перехода от TF 1 к TF 2 вы можете использовать tf.compat.v1.data.make_one_shot_iterator(dataset) для создания итератора в стиле графика TF 1 для набора данных, созданного с помощью API TF 2. Обратите внимание, что это должно быть временное состояние вашего кода, так как, как правило, нет гарантий о взаимозаменяемости кода TF 1 и TF 2.
Примечание: Возвращаемый итератор будет автоматически инициализирован. "Одноразовый" итератор в настоящее время не поддерживает повторную инициализацию. Для этого см. make_initializable_iterator.

Пример:

# Building graph ...
dataset = ...
next_value = dataset.make_one_shot_iterator().get_next()

# ... from within a session ...
try:
  while True:
    value = sess.run(next_value)
    ...
except tf.errors.OutOfRangeError:
    pass
Возвращаемое значение
tf.data.Iterator для элементов этого набора данных.

map

Просмотреть исходный код

map(
    map_func, num_parallel_calls=None, deterministic=None, name=None
)

Применяет map_func ко всем элементам этого набора данных.

Эта трансформация применяет map_func к каждому элементу этого набора данных и возвращает новый набор данных, содержащий преобразованные элементы в том же порядке, что и в исходном. map_func может использоваться для изменения как значений, так и структуры элементов набора данных. Поддерживаемые структуры показаны здесь.

Например, map можно использовать для добавления 1 к каждому элементу или проектирования подмножества компонентов элемента.

dataset = Dataset.range(1, 6)  # ==> [ 1, 2, 3, 4, 5 ]
dataset = dataset.map(lambda x: x + 1)
list(dataset.as_numpy_iterator())
[2, 3, 4, 5, 6]

Подпись входных данных map_func определяется структурой каждого элемента в этом наборе данных.

dataset = Dataset.range(5)
# `map_func` takes a single argument of type `tf.Tensor` with the same
# shape and dtype.
result = dataset.map(lambda x: x + 1)
# Each element is a tuple containing two `tf.Tensor` objects.
elements = [(1, "foo"), (2, "bar"), (3, "baz")]
dataset = tf.data.Dataset.from_generator(
    lambda: elements, (tf.int32, tf.string))
# `map_func` takes two arguments of type `tf.Tensor`. This function
# projects out just the first component.
result = dataset.map(lambda x_int, y_str: x_int)
list(result.as_numpy_iterator())
[1, 2, 3]
# Each element is a dictionary mapping strings to `tf.Tensor` objects.
elements =  ([{"a": 1, "b": "foo"},
              {"a": 2, "b": "bar"},
              {"a": 3, "b": "baz"}])
dataset = tf.data.Dataset.from_generator(
    lambda: elements, {"a": tf.int32, "b": tf.string})
# `map_func` takes a single argument of type `dict` with the same keys
# as the elements.
result = dataset.map(lambda d: str(d["a"]) + d["b"])

Значение или значения, возвращаемые map_func, определяют структуру каждого элемента в возвращаемом наборе данных.

dataset = tf.data.Dataset.range(3)
# `map_func` returns two `tf.Tensor` objects.
def g(x):
  return tf.constant(37.0), tf.constant(["Foo", "Bar", "Baz"])
result = dataset.map(g)
result.element_spec
(TensorSpec(shape=(), dtype=tf.float32, name=None), TensorSpec(shape=(3,), dtype=tf.string, name=None))
# Python primitives, lists, and NumPy arrays are implicitly converted to
# `tf.Tensor`.
def h(x):
  return 37.0, ["Foo", "Bar"], np.array([1.0, 2.0], dtype=np.float64)
result = dataset.map(h)
result.element_spec
(TensorSpec(shape=(), dtype=tf.float32, name=None), TensorSpec(shape=(2,), dtype=tf.string, name=None), TensorSpec(shape=(2,), dtype=tf.float64, name=None))
# `map_func` can return nested structures.
def i(x):
  return (37.0, [42, 16]), "foo"
result = dataset.map(i)
result.element_spec
((TensorSpec(shape=(), dtype=tf.float32, name=None),
  TensorSpec(shape=(2,), dtype=tf.int32, name=None)),
 TensorSpec(shape=(), dtype=tf.string, name=None))

map_func может принимать в качестве аргументов и возвращать любой тип элемента набора данных.

Обратите внимание, что независимо от контекста, в котором map_func определен (eager или graph), tf.data отслеживает функцию и выполняет ее как вычисление графика. Чтобы использовать код Python внутри функции, у вас есть несколько вариантов:

1) Используйте AutoGraph для преобразования кода Python в эквивалентное вычисление графика. Недостаток этого подхода заключается в том, что AutoGraph может преобразовать часть, но не весь код Python.

2) Используйте tf.py_function, что позволяет вам писать произвольный код Python, но, как правило, приводит к худшей производительности, чем 1). Например:

d = tf.data.Dataset.from_tensor_slices(['hello', 'world'])
# transform a string tensor to upper case string using a Python function
def upper_case_fn(t: tf.Tensor):
  return t.numpy().decode('utf-8').upper()
d = d.map(lambda x: tf.py_function(func=upper_case_fn,
          inp=[x], Tout=tf.string))
list(d.as_numpy_iterator())
[b'HELLO', b'WORLD']

3) Используйте tf.numpy_function, что также позволяет вам писать произвольный код Python. Обратите внимание, что tf.py_function принимает tf.Tensor, тогда как tf.numpy_function принимает массивы NumPy и возвращает только массивы NumPy. Например:

d = tf.data.Dataset.from_tensor_slices(['hello', 'world'])
def upper_case_fn(t: np.ndarray):
  return t.decode('utf-8').upper()
d = d.map(lambda x: tf.numpy_function(func=upper_case_fn,
          inp=[x], Tout=tf.string))
list(d.as_numpy_iterator())
[b'HELLO', b'WORLD']

Обратите внимание, что использование tf.numpy_function и tf.py_function в целом исключает возможность параллельного выполнения пользовательских преобразований (из-за блокировки GIL Python).

END_OF_DOCUMENT_MARKER

Производительность часто можно повысить, установив num_parallel_calls, чтобы map использовал несколько потоков для обработки элементов. Если порядок элементов не требуется, производительность также можно повысить, установив deterministic=False.

dataset = Dataset.range(1, 6)  # ==> [ 1, 2, 3, 4, 5 ]
dataset = dataset.map(lambda x: x + 1,
    num_parallel_calls=tf.data.AUTOTUNE,
    deterministic=False)

Порядок элементов, полученных в результате этого преобразования, является детерминированным, если deterministic=True. Если map_func содержит операции с состоянием и num_parallel_calls > 1, порядок доступа к этому состоянию не определён, поэтому значения выходных элементов могут быть не детерминированными независимо от значения флага deterministic.

Аргументы
map_func Функция, отображающая элемент набора данных на другой элемент набора данных.
num_parallel_calls (Необязательно.) Скалярное значение типа tf.int64 tf.Tensor, представляющее количество элементов, которые необходимо обработать асинхронно параллельно. Если не указано, элементы будут обрабатываться последовательно. Если используется значение tf.data.AUTOTUNE, количество параллельных вызовов устанавливается динамически в зависимости от доступных ресурсов ЦП.
deterministic (Необязательно.) Когда num_parallel_calls указано, если этот булев параметр указан (True или False), он управляет порядком, в котором преобразование производит элементы. Если установлен в False, преобразованию разрешается выдавать элементы в произвольном порядке, чтобы обменять детерминированность на производительность. Если не указано, поведение управляется опцией tf.data.Options.deterministic (по умолчанию True).
name (Необязательно.) Имя операции tf.data.
Возвращаемое значение
Новый Dataset с применённым преобразованием, как описано выше.

map_with_legacy_function

Просмотреть исходный код

map_with_legacy_function(
    map_func, num_parallel_calls=None, deterministic=None
) -> 'DatasetV1Adapter'

Применяет map_func ко всем элементам этого набора данных. (Устарело)

Устарело: ЭТА ФУНКЦИЯ УСТАРЕЛА. Она будет удалена в будущей версии. Инструкции по обновлению: Используйте `tf.data.Dataset.map()`
Примечание: Это утилита для существующих случаев использования map, которые не работают с функциями V2. Новые случаи использования решительно не рекомендуются, а существующие должны перейти на map, так как этот метод будет удален в V2.
Аргументы
map_func Функция, отображающая (вложенную) структуру тензоров (с формами и типами, определёнными self.output_shapes и self.output_types) на другую (вложенную) структуру тензоров.
num_parallel_calls (Необязательно.) Скалярное значение типа tf.int32 tf.Tensor, представляющее количество элементов, которые необходимо обработать асинхронно параллельно. Если не указано, элементы будут обрабатываться последовательно. Если используется значение tf.data.AUTOTUNE, количество параллельных вызовов устанавливается динамически в зависимости от доступных ресурсов ЦП.
deterministic (Необязательно.) Если num_parallel_calls указано, этот булев параметр управляет порядком, в котором преобразование производит элементы. Если установлен в False, преобразованию разрешается выдавать элементы в произвольном порядке, чтобы обменять детерминированность на производительность. Если не указано, поведение управляется опцией tf.data.Options.deterministic (по умолчанию True).
Возвращаемое значение
Dataset Dataset.

options

Просмотреть исходный код

options()

Возвращает опции для этого набора данных и его входов.

Возвращаемое значение
Объект tf.data.Options, представляющий опции набора данных.

padded_batch

Просмотреть исходный код

padded_batch(
    batch_size,
    padded_shapes=None,
    padding_values=None,
    drop_remainder=False,
    name=None
) -> 'DatasetV2'

Объединяет последовательные элементы этого набора данных в заполненные пакеты.

Это преобразование объединяет несколько последовательных элементов входного набора данных в один элемент.

Как и tf.data.Dataset.batch, компоненты результирующего элемента будут иметь дополнительное внешнее измерение, которое будет batch_size (или N % batch_size для последнего элемента, если batch_size не делит количество входных элементов N равномерно и drop_remainder равно False). Если ваша программа зависит от того, что пакеты имеют одинаковое внешнее измерение, вы должны установить аргумент drop_remainder в True, чтобы избежать создания меньшего пакета.

В отличие от tf.data.Dataset.batch, входные элементы, которые необходимо сгруппировать в пакеты, могут иметь разные формы, и это преобразование заполнит каждый компонент до соответствующей формы в padded_shapes. Аргумент padded_shapes определяет результирующую форму для каждого измерения каждого компонента в элементе выходного набора данных:

  • Если размерность является постоянной, компонент будет заполнен до этого размера в этом измерении.
  • Если размерность неизвестна, компонент будет заполнен до максимальной длины всех элементов в этом измерении.
A = (tf.data.Dataset
     .range(1, 5, output_type=tf.int32)
     .map(lambda x: tf.fill([x], x)))
# Pad to the smallest per-batch size that fits all elements.
B = A.padded_batch(2)
for element in B.as_numpy_iterator():
  print(element)
[[1 0]
 [2 2]]
[[3 3 3 0]
 [4 4 4 4]]
# Pad to a fixed size.
C = A.padded_batch(2, padded_shapes=5)
for element in C.as_numpy_iterator():
  print(element)
[[1 0 0 0 0]
 [2 2 0 0 0]]
[[3 3 3 0 0]
 [4 4 4 4 0]]
# Pad with a custom value.
D = A.padded_batch(2, padded_shapes=5, padding_values=-1)
for element in D.as_numpy_iterator():
  print(element)
[[ 1 -1 -1 -1 -1]
 [ 2  2 -1 -1 -1]]
[[ 3  3  3 -1 -1]
 [ 4  4  4  4 -1]]
# Components of nested elements can be padded independently.
elements = [([1, 2, 3], [10]),
            ([4, 5], [11, 12])]
dataset = tf.data.Dataset.from_generator(
    lambda: iter(elements), (tf.int32, tf.int32))
# Pad the first component of the tuple to length 4, and the second
# component to the smallest size that fits.
dataset = dataset.padded_batch(2,
    padded_shapes=([4], [None]),
    padding_values=(-1, 100))
list(dataset.as_numpy_iterator())
[(array([[ 1,  2,  3, -1], [ 4,  5, -1, -1]], dtype=int32),
  array([[ 10, 100], [ 11,  12]], dtype=int32))]
# Pad with a single value and multiple components.
E = tf.data.Dataset.zip((A, A)).padded_batch(2, padding_values=-1)
for element in E.as_numpy_iterator():
  print(element)
(array([[ 1, -1],
       [ 2,  2]], dtype=int32), array([[ 1, -1],
       [ 2,  2]], dtype=int32))
(array([[ 3,  3,  3, -1],
       [ 4,  4,  4,  4]], dtype=int32), array([[ 3,  3,  3, -1],
       [ 4,  4,  4,  4]], dtype=int32))

См. также tf.data.experimental.dense_to_sparse_batch, который объединяет элементы, которые могут иметь разные формы, в tf.sparse.SparseTensor.

Аргументы
batch_size Скалярное значение типа tf.int64 tf.Tensor, представляющее количество последовательных элементов этого набора данных, которые необходимо объединить в один пакет.
padded_shapes (Необязательно.) (Вложенная) структура tf.TensorShape или tf.int64 векторов, представляющих форму, к которой должен быть заполнен соответствующий компонент каждого входного элемента перед группированием в пакет. Любые неизвестные измерения будут заполнены до максимального размера этого измерения в каждом пакете. padded_shapes должен быть установлен, если у любого компонента неизвестна размерность.
padding_values (Необязательно.) (Вложенная) структура скалярных tf.Tensor значений, представляющая значения заполнения для соответствующих компонентов. None указывает, что (вложенная) структура должна быть заполнена значениями по умолчанию. Значения по умолчанию — 0 для числовых типов и пустая строка для строковых типов. padding_values должна иметь такую же (вложенную) структуру, как входной набор данных. Если padding_values является одним элементом, а входной набор данных имеет несколько компонентов, то то же самое padding_values будет использоваться для заполнения каждого компонента набора данных. Если padding_values является скаляром, его значение будет транслироваться, чтобы соответствовать форме каждого компонента.
drop_remainder (Необязательно.) Скалярное значение типа tf.bool tf.Tensor, представляющее, следует ли отбрасывать последний пакет в случае, если в нём меньше batch_size элементов; по умолчанию меньший пакет не отбрасывается.
name (Необязательно.) Имя операции tf.data.
Возвращаемое значение
Новый Dataset с применённым преобразованием, как описано выше.
Исключения
ValueError Если у компонента неизвестна размерность, а аргумент padded_shapes не задан.
TypeError Если компонент имеет неподдерживаемый тип. Список поддерживаемых типов описан в https://www.tensorflow.org/guide/data#dataset_structure

prefetch

Просмотреть исходный код

prefetch(
    buffer_size, name=None
) -> 'DatasetV2'

Создаёт Dataset, который предзагружает элементы из этого набора данных.

Большинство потоков ввода данных на основе наборов данных должны заканчиваться вызовом prefetch. Это позволяет готовить последующие элементы, в то время как текущий элемент обрабатывается. Это часто улучшает задержку и пропускную способность, за счёт использования дополнительной памяти для хранения предзагруженных элементов.

Примечание: Как и другие методы Dataset, prefetch работает с элементами входного набора данных. Он не понимает понятий примеры против пакетов. examples.prefetch(2) будет предзагружать два элемента (2 примера), а examples.batch(20).prefetch(2) будет предзагружать 2 элемента (2 пакета по 20 примеров каждый).
dataset = tf.data.Dataset.range(3)
dataset = dataset.prefetch(2)
list(dataset.as_numpy_iterator())
[0, 1, 2]
Аргументы
buffer_size Скалярное значение типа tf.int64 tf.Tensor, представляющее максимальное количество элементов, которые будут буферизованы при предварительной загрузке. Если используется значение tf.data.AUTOTUNE, размер буфера настраивается динамически.
name Необязательно. Имя для преобразования tf.data.
Возвращаемое значение
Новый Dataset с применённым преобразованием, как описано выше.

ragged_batch

Просмотреть исходный код

ragged_batch(
    batch_size,
    drop_remainder=False,
    row_splits_dtype=tf.dtypes.int64,
    name=None
) -> 'DatasetV2'

Объединяет последовательные элементы этого набора данных в tf.RaggedTensor.

Подобно tf.data.Dataset.batch, компоненты результирующего элемента получат дополнительное внешнее измерение, которое будет batch_size (или N % batch_size для последнего элемента, если batch_size не делит количество входных элементов N нацело и drop_remainder равно False). Если в вашей программе зависит от того, чтобы у партий было одинаковое внешнее измерение, необходимо установить аргумент drop_remainder в True, чтобы предотвратить создание меньшей партии.

В отличие от tf.data.Dataset.batch, входные элементы, подлежащие объединению в пакет, могут иметь разные формы:

  • Если входной элемент является tf.Tensor, чья статическая tf.TensorShape полностью определена, то он объединяется в пакет как обычно.
  • Если входной элемент является tf.Tensor, чья статическая tf.TensorShape содержит одну или несколько осей с неизвестным размером (то есть shape[i]=None), то вывод будет содержать tf.RaggedTensor, который разбит по этим измерениям.
  • Если входной элемент является tf.RaggedTensor или любого другого типа, то он объединяется в пакет как обычно.

Пример:

dataset = tf.data.Dataset.range(6)
dataset = dataset.map(lambda x: tf.range(x))
dataset.element_spec.shape
TensorShape([None])
dataset = dataset.ragged_batch(2)
for batch in dataset:
  print(batch)
<tf.RaggedTensor [[], [0]]>
<tf.RaggedTensor [[0, 1], [0, 1, 2]]>
<tf.RaggedTensor [[0, 1, 2, 3], [0, 1, 2, 3, 4]]>
Аргументы
batch_size Скалярное значение типа tf.int64 tf.Tensor, представляющее количество последовательных элементов этого набора данных для объединения в одном пакете.
drop_remainder (Необязательно.) Скалярное значение типа tf.bool tf.Tensor, представляющее, нужно ли отбрасывать последний пакет в случае, если в нём меньше batch_size элементов; поведение по умолчанию — не отбрасывать меньший пакет.
row_splits_dtype Тип данных, который следует использовать для row_splits любых новых разреженных тензоров. У существующих элементов tf.RaggedTensor тип row_splits не изменяется.
name (Необязательно.) Строка, указывающая имя операции tf.data.
Возвращаемое значение
Новый Dataset с применённым преобразованием, как описано выше.

random

Просмотреть исходный код

@staticmethod
random(
    seed=None, rerandomize_each_iteration=None, name=None
) -> 'DatasetV2'

Создаёт Dataset псевдослучайных значений.

Набор данных генерирует последовательность целых чисел, равномерно распределённых.

rerandomize_each_iteration управляет тем, должна ли последовательность сгенерированных случайных чисел перегенерироваться для каждой эпохи. Значение по умолчанию — False, где набор данных генерирует одну и ту же последовательность случайных чисел для каждой эпохи.

ds1 = tf.data.Dataset.random(seed=4).take(10)
ds2 = tf.data.Dataset.random(seed=4).take(10)
print(list(ds1.as_numpy_iterator())==list(ds2.as_numpy_iterator()))
True
ds3 = tf.data.Dataset.random(seed=4).take(10)
ds3_first_epoch = list(ds3.as_numpy_iterator())
ds3_second_epoch = list(ds3.as_numpy_iterator())
print(ds3_first_epoch == ds3_second_epoch)
True
ds4 = tf.data.Dataset.random(
    seed=4, rerandomize_each_iteration=True).take(10)
ds4_first_epoch = list(ds4.as_numpy_iterator())
ds4_second_epoch = list(ds4.as_numpy_iterator())
print(ds4_first_epoch == ds4_second_epoch)
False
Аргументы
seed (Необязательно) Если задано, набор данных производит детерминированную последовательность значений.
rerandomize_each_iteration (Необязательно) Если установлено в False, набор данных генерирует одну и ту же последовательность случайных чисел для каждой эпохи. Если установлено в True, он генерирует различную детерминированную последовательность случайных чисел для каждой эпохи. По умолчанию False, если не указано.
name (Необязательно.) Имя операции tf.data.
Возвращаемое значение
Dataset Dataset.

range

Просмотреть исходный код

@staticmethod
range(
    *args, **kwargs
) -> 'DatasetV2'

Создаёт Dataset диапазона значений с заданным шагом.

list(Dataset.range(5).as_numpy_iterator())
[0, 1, 2, 3, 4]
list(Dataset.range(2, 5).as_numpy_iterator())
[2, 3, 4]
list(Dataset.range(1, 5, 2).as_numpy_iterator())
[1, 3]
list(Dataset.range(1, 5, -2).as_numpy_iterator())
[]
list(Dataset.range(5, 1).as_numpy_iterator())
[]
list(Dataset.range(5, 1, -2).as_numpy_iterator())
[5, 3]
list(Dataset.range(2, 5, output_type=tf.int32).as_numpy_iterator())
[2, 3, 4]
list(Dataset.range(1, 5, 2, output_type=tf.float32).as_numpy_iterator())
[1.0, 3.0]
Аргументы
*args Имеет ту же семантику, что и python's range. len(args) == 1 -> start = 0, stop = args[0], step = 1. len(args) == 2 -> start = args[0], stop = args[1], step = 1. len(args) == 3 -> start = args[0], stop = args[1], step = args[2].
**kwargs
  • output_type: Ожидаемый тип данных. (Необязательно, по умолчанию: tf.int64).
  • name: (Необязательно.) Имя операции tf.data.
Возвращаемое значение
Dataset RangeDataset.
Исключения
ValueError если len(args) == 0.

rebatch

Просмотреть исходный код

rebatch(
    batch_size, drop_remainder=False, name=None
) -> 'DatasetV2'

Создаёт Dataset, который повторно объединяет элементы из этого набора данных в пакеты.

rebatch(N) функционально эквивалентно unbatch().batch(N), но более эффективно, выполняя одну копию вместо двух.

ds = tf.data.Dataset.range(6)
ds = ds.batch(2)
ds = ds.rebatch(3)
list(ds.as_numpy_iterator())
[array([0, 1, 2]), array([3, 4, 5])]
ds = tf.data.Dataset.range(7)
ds = ds.batch(4)
ds = ds.rebatch(3)
list(ds.as_numpy_iterator())
[array([0, 1, 2]), array([3, 4, 5]), array([6])]
ds = tf.data.Dataset.range(7)
ds = ds.batch(2)
ds = ds.rebatch(3, drop_remainder=True)
list(ds.as_numpy_iterator())
[array([0, 1, 2]), array([3, 4, 5])]

Если аргумент batch_size является списком, rebatch перебирает список для определения размера каждого пакета.

ds = tf.data.Dataset.range(8)
ds = ds.batch(4)
ds = ds.rebatch([2, 1, 1])
list(ds.as_numpy_iterator())
[array([0, 1]), array([2]), array([3]), array([4, 5]), array([6]),
array([7])]
Аргументы
batch_size Скаляр или вектор типа tf.int64, представляющий размер производимых пакетов. Если этот аргумент является вектором, значения циклически перебираются в режиме круговой очереди.
drop_remainder (Необязательно.) Скалярное значение типа tf.bool tf.Tensor, представляющее, нужно ли отбрасывать последний пакет в случае, если в нём меньше batch_size[cycle_index] элементов; поведение по умолчанию — не отбрасывать меньший пакет.
name (Необязательно.) Имя операции tf.data.
Возвращаемое значение
Dataset скалярных элементов dtype.

reduce

Просмотреть исходный код

reduce(
    initial_state, reduce_func, name=None
)

Сводит входной набор данных к одному элементу.

Преобразование вызывает reduce_func последовательно для каждого элемента входного набора данных до тех пор, пока набор данных не будет исчерпан, агрегируя информацию во внутренней состоянии. Аргумент initial_state используется для начального состояния, а конечное состояние возвращается как результат.

tf.data.Dataset.range(5).reduce(np.int64(0), lambda x, _: x + 1).numpy()
5
tf.data.Dataset.range(5).reduce(np.int64(0), lambda x, y: x + y).numpy()
10
Аргументы
initial_state Элемент, представляющий начальное состояние преобразования.
reduce_func Функция, отображающая (old_state, input_element) в new_state. Она должна принимать два аргумента и возвращать новый элемент. Структура new_state должна соответствовать структуре initial_state.
name (Необязательно.) Имя операции tf.data.
Возвращаемое значение
Элемент набора данных, соответствующий конечному состоянию преобразования.

rejection_resample

Просмотреть исходный код

rejection_resample(
    class_func, target_dist, initial_dist=None, seed=None, name=None
) -> 'DatasetV2'
Примечание: Данная реализация может отклонять или повторять элементы для достижения target_dist. Поэтому в некоторых случаях вывод Dataset может быть больше, чем вход Dataset.
initial_dist = [0.6, 0.4]
n = 1000
elems = np.random.choice(len(initial_dist), size=n, p=initial_dist)
dataset = tf.data.Dataset.from_tensor_slices(elems)
zero, one = np.bincount(list(dataset.as_numpy_iterator())) / n

Следуя из initial_dist, zero составляет ~0,6, а one — ~0,4.

target_dist = [0.5, 0.5]
dataset = dataset.rejection_resample(
   class_func=lambda x: x,
   target_dist=target_dist,
   initial_dist=initial_dist)
dataset = dataset.map(lambda class_func_result, data: data)
zero, one = np.bincount(list(dataset.as_numpy_iterator())) / n

Следуя из target_dist, zero составляет ~0,5, а one — ~0,5.

Аргументы
class_func Функция, отображающая элемент входного набора данных на скалярный тензор tf.int32. Значения должны быть в [0, num_classes).
target_dist Тензор с плавающей запятой, имеющий форму [num_classes].
initial_dist (Необязательно.) Тензор с плавающей запятой, имеющий форму [num_classes]. Если не указано, распределение истинных классов оценивается в режиме потоковой передачи.
seed (Необязательно.) Целочисленное семя Python для пересэмплера.
name (Необязательно.) Имя операции tf.data.
Возвращает
Новый Dataset с применённым преобразованием, как описано выше.

repeat

Просмотреть исходный код

repeat(
    count=None, name=None
) -> 'DatasetV2'

Повторяет этот набор данных, чтобы каждое исходное значение отображалось count раз.

dataset = tf.data.Dataset.from_tensor_slices([1, 2, 3])
dataset = dataset.repeat(3)
list(dataset.as_numpy_iterator())
[1, 2, 3, 1, 2, 3, 1, 2, 3]
Примечание: Если входной набор данных зависит от глобального состояния (например, генератора случайных чисел) или его вывод не детерминирован (например, из-за upstream shuffle), то разные повторения могут генерировать разные элементы.
Аргументы
count (Необязательно.) Скалярный tf.int64 tf.Tensor, представляющий количество раз, которое набор данных должен быть повторён. По умолчанию (если count равно None или -1) набор данных повторяется бесконечно.
name (Необязательно.) Имя операции tf.data.
Возвращает
Новый Dataset с применённым преобразованием, как описано выше.

sample_from_datasets

Просмотреть исходный код

@staticmethod
sample_from_datasets(
    datasets,
    weights=None,
    seed=None,
    stop_on_empty_dataset=False,
    rerandomize_each_iteration=None
) -> 'DatasetV2'

Выбирает элементы случайным образом из наборов данных в datasets.

Создаёт набор данных путём чередования элементов datasets с вероятностью weight[i] выбора элемента из набора данных i. Выборка выполняется без замены. Например, предположим, что у нас есть 2 набора данных:

dataset1 = tf.data.Dataset.range(0, 3)
dataset2 = tf.data.Dataset.range(100, 103)

Предположим, что мы выбираем из этих 2 наборов данных со следующими весами:

sample_dataset = tf.data.Dataset.sample_from_datasets(
    [dataset1, dataset2], weights=[0.5, 0.5])

Один из возможных результатов элементов в sample_dataset:

print(list(sample_dataset.as_numpy_iterator()))
# [100, 0, 1, 101, 2, 102]
Аргументы
datasets Непустой список объектов tf.data.Dataset с совместимой структурой.
weights (Необязательно.) Список или тензор len(datasets) значений с плавающей запятой, где weights[i] представляет вероятность выборки из datasets[i], или объект tf.data.Dataset, где каждый элемент — такой список. По умолчанию используется равномерное распределение по datasets.
seed (Необязательно.) Скалярный tf.int64 tf.Tensor, представляющий случайное семя, которое будет использоваться для создания распределения. См. tf.random.set_seed для получения информации о поведении.
stop_on_empty_dataset Если True, выборка останавливается, если она встречает пустой набор данных. Если False, она продолжает выборку и пропускает любые пустые наборы данных. Рекомендуется установить её в True. В противном случае распределение выборок первоначально соответствует намерениям пользователя, но может изменяться по мере того, как входные наборы данных становятся пустыми. Это может быть трудно обнаружить, так как набор данных изначально выглядит правильно. По умолчанию установлено в False для обеспечения обратной совместимости.
rerandomize_each_iteration Необязательный bool. Булевый аргумент управляет тем, будет ли последовательность случайных чисел, используемая для определения набора данных для выборки, пересчитываться каждый эпохой. То есть, он определяет, будут ли наборы данных выбираться в том же порядке в разных эпохах (поведение по умолчанию) или нет.
Возвращает
Набор данных, в котором элементы из datasets чередуются случайным образом в соответствии с weights, если указано, в противном случае с равномерной вероятностью.
Возможные исключения
TypeError Если аргументы datasets или weights имеют неправильный тип.
ValueError
  • Если datasets пустой, или
  • Если weights указан и не совпадает с длиной datasets.

save

Просмотреть исходный код

save(
    path, compression=None, shard_func=None, checkpoint_args=None
)

Сохраняет содержимое заданного набора данных.

Пример использования:

import tempfile
path = os.path.join(tempfile.gettempdir(), "saved_data")
# Save a dataset
dataset = tf.data.Dataset.range(2)
dataset.save(path)
new_dataset = tf.data.Dataset.load(path)
for elem in new_dataset:
  print(elem)
  tf.Tensor(0, shape=(), dtype=int64)
  tf.Tensor(1, shape=(), dtype=int64)
  

Сохранённый набор данных сохраняется в нескольких файлах «фрагментах». По умолчанию вывод набора данных делится на фрагменты в порядке круговой очереди, но можно указать пользовательское разбиение на фрагменты с помощью функции shard_func. Например, вы можете сохранить набор данных, используя один фрагмент, следующим образом:

dataset = make_dataset()
def custom_shard_func(element):
  return np.int64(0)
dataset.save(
    path="/path/to/data", ..., shard_func=custom_shard_func)

Для активации контрольных точек передайте checkpoint_args в метод save следующим образом:

dataset = tf.data.Dataset.range(100)
save_dir = "..."
checkpoint_prefix = "..."
step_counter = tf.Variable(0, trainable=False)
checkpoint_args = {
  "checkpoint_interval": 50,
  "step_counter": step_counter,
  "directory": checkpoint_prefix,
  "max_to_keep": 20,
}
dataset.save(dataset, save_dir, checkpoint_args=checkpoint_args)
Примечание: Структура каталогов и формат файлов, используемые для сохранения набора данных, считаются деталями реализации и могут изменяться. По этой причине наборы данных, сохранённые через tf.data.Dataset.save, должны потребляться только через tf.data.Dataset.load, который гарантирует обратную совместимость.
Аргументы
path Обязательно. Каталог для сохранения набора данных.
compression Необязательно. Алгоритм сжатия данных при записи. Поддерживаются варианты GZIP и NONE. По умолчанию NONE.
shard_func Необязательно. Функция для управления сопоставлением элементов набора данных с фрагментами файлов. Функция должна сопоставлять элементы входного набора данных с целочисленными идентификаторами фрагментов. Если указана, функция будет прослеживаться и выполняться как вычисление графа.
checkpoint_args Необязательные аргументы для контрольных точек, которые будут переданы в tf.train.CheckpointManager. Если checkpoint_args не указаны, то контрольные точки не будут созданы. Реализация save() создаёт объект tf.train.Checkpoint внутри, поэтому пользователи не должны устанавливать аргумент checkpoint в checkpoint_args.
Возвращает
Операция, которая при выполнении выполняет сохранение. При записи контрольных точек возвращает None. Значение возврата полезно в тестовых задачах.
Возможные исключения
ValueError, если checkpoint передаётся в checkpoint_args.

scan

Просмотреть исходный код

scan(
    initial_state, scan_func, name=None
) -> 'DatasetV2'

Преобразование, которое сканирует функцию по входному набору данных.

Это преображение — состоятельное подобие tf.data.Dataset.map. В дополнение к отображению scan_func по элементам входного набора данных, scan() накапливает один или несколько тензоров состояния, начальные значения которых initial_state.

dataset = tf.data.Dataset.range(10)
initial_state = tf.constant(0, dtype=tf.int64)
scan_func = lambda state, i: (state + i, state + i)
dataset = dataset.scan(initial_state=initial_state, scan_func=scan_func)
list(dataset.as_numpy_iterator())
[0, 1, 3, 6, 10, 15, 21, 28, 36, 45]
Args
initial_state Вложенная структура тензоров, представляющая начальное состояние аккумулятора.
scan_func Функция, отображающая (old_state, input_element) на (new_state, output_element). Она должна принимать два аргумента и возвращать пару вложенных структур тензоров. Структура new_state должна соответствовать структуре initial_state.
name (Необязательно.) Имя операции tf.data.
Returns
Новый Dataset с применённым преобразованием, как описано выше.

shard

Просмотр исходного кода

shard(
    num_shards, index, name=None
) -> 'DatasetV2'

Создаёт Dataset, содержащий только 1/num_shards элементов этого набора данных.

shard является детерминированным. Набор данных, созданный A.shard(n, i), будет содержать все элементы A, для которых индекс mod n = i.

A = tf.data.Dataset.range(10)
B = A.shard(num_shards=3, index=0)
list(B.as_numpy_iterator())
[0, 3, 6, 9]
C = A.shard(num_shards=3, index=1)
list(C.as_numpy_iterator())
[1, 4, 7]
D = A.shard(num_shards=3, index=2)
list(D.as_numpy_iterator())
[2, 5, 8]

Этот оператор набора данных очень полезен при распределённом обучении, поскольку он позволяет каждому рабочему узлу читать уникальный подмножество.

При чтении одного входного файла, вы можете разбить элементы следующим образом:

d = tf.data.TFRecordDataset(input_file)
d = d.shard(num_workers, worker_index)
d = d.repeat(num_epochs)
d = d.shuffle(shuffle_buffer_size)
d = d.map(parser_fn, num_parallel_calls=num_map_threads)

Важные замечания:

  • Убедитесь, что вы разделили элементы до использования любого оператора случайного выбора (такого как shuffle).
  • В целом, лучше использовать оператор shard в начале конвейера набора данных. Например, при чтении из набора файлов TFRecord, разбейте элементы на части до преобразования набора данных в входные образцы. Это предотвращает чтение каждого файла на каждом рабочем узле. Ниже приведён пример эффективной стратегии разбивки на части в полном конвейере:
d = Dataset.list_files(pattern, shuffle=False)
d = d.shard(num_workers, worker_index)
d = d.repeat(num_epochs)
d = d.shuffle(shuffle_buffer_size)
d = d.interleave(tf.data.TFRecordDataset,
                 cycle_length=num_readers, block_length=1)
d = d.map(parser_fn, num_parallel_calls=num_map_threads)
Args
num_shards Скалярное значение tf.int64 типа tf.Tensor, представляющее количество фрагментов, работающих параллельно.
index Скалярное значение tf.int64 типа tf.Tensor, представляющее индекс рабочего узла.
name (Необязательно.) Имя операции tf.data.
Returns
Новый Dataset с применённым преобразованием, как описано выше.
Raises
InvalidArgumentError если num_shards или index являются недопустимыми значениями.
Примечание: проверка ошибок выполняется на основе наилучших возможностей, и ошибки не гарантируются для обнаружения при создании набора данных. (например, предоставление тензора-заполнителя обходит раннюю проверку и вместо этого приведет к ошибке во время вызова session.run.)

shuffle

Просмотр исходного кода

shuffle(
    buffer_size, seed=None, reshuffle_each_iteration=None, name=None
) -> 'DatasetV2'

Случайным образом перемешивает элементы этого набора данных.

Этот набор данных заполняет буфер buffer_size элементами, а затем случайным образом выбирает элементы из этого буфера, заменяя выбранные элементы новыми элементами. Для идеального перемешивания требуется размер буфера, больший или равный полному размеру набора данных.

Например, если ваш набор данных содержит 10 000 элементов, но buffer_size задан как 1000, то shuffle изначально будет выбирать случайный элемент только из первых 1000 элементов в буфере. После выбора элемента, его место в буфере заменяется следующим (т.е. 1001-м) элементом, сохраняя буфер размером 1000 элементов.

reshuffle_each_iteration управляет тем, будет ли порядок перемешивания отличаться для каждой эпохи. В TF 1.X, стандартный способ создания эпох заключался в применении преобразования repeat:

dataset = tf.data.Dataset.range(3)
dataset = dataset.shuffle(3, reshuffle_each_iteration=True)
dataset = dataset.repeat(2)
# [1, 0, 2, 1, 2, 0]

dataset = tf.data.Dataset.range(3)
dataset = dataset.shuffle(3, reshuffle_each_iteration=False)
dataset = dataset.repeat(2)
# [1, 0, 2, 1, 0, 2]

В TF 2.0 объекты tf.data.Dataset являются итерируемыми объектами Python, что позволяет создавать эпохи также посредством итерации по ним в Python:

dataset = tf.data.Dataset.range(3)
dataset = dataset.shuffle(3, reshuffle_each_iteration=True)
list(dataset.as_numpy_iterator())
# [1, 0, 2]
list(dataset.as_numpy_iterator())
# [1, 2, 0]
dataset = tf.data.Dataset.range(3)
dataset = dataset.shuffle(3, reshuffle_each_iteration=False)
list(dataset.as_numpy_iterator())
# [1, 0, 2]
list(dataset.as_numpy_iterator())
# [1, 0, 2]

Полное перемешивание всех данных

Чтобы перемешать весь набор данных, установите buffer_size=dataset.cardinality(). Это эквивалентно установке buffer_size в значение, равное количеству элементов в наборе данных, что приводит к равномерному перемешиванию.

Примечание: shuffle(dataset.cardinality()) загружает весь набор данных в память, чтобы его можно было перемешать. Это может привести к ошибке переполнения памяти (OOM), если набор данных слишком велик, поэтому полное перемешивание следует использовать только для наборов данных, которые, как известно, помещаются в память, например, для наборов данных имён файлов или других небольших наборов данных.
dataset = tf.data.Dataset.range(20)
dataset = dataset.shuffle(dataset.cardinality())
# [18, 4, 9, 2, 17, 8, 5, 10, 0, 6, 16, 3, 19, 7, 14, 11, 15, 13, 12, 1]
Args
buffer_size Скалярное значение tf.int64 типа tf.Tensor, представляющее количество элементов из этого набора данных, из которых новый набор данных будет выбирать образцы. Для равномерного перемешивания всего набора данных используйте buffer_size=dataset.cardinality().
seed (Необязательно.) Скалярное значение tf.int64 типа tf.Tensor, представляющее псевдослучайное семя, которое будет использоваться для создания распределения. Смотрите tf.random.set_seed для получения информации о поведении.
reshuffle_each_iteration (Необязательно.) Булево значение, которое, если истинно, указывает, что набор данных должен быть псевдослучайным образом перемешан каждый раз, когда по нему итерируются. (По умолчанию True.)
name (Необязательно.) Имя операции tf.data.
Returns
Новый Dataset с применённым преобразованием, как описано выше.

skip

Просмотр исходного кода

skip(
    count, name=None
) -> 'DatasetV2'

Создаёт Dataset, пропускающий count элементов из этого набора данных.

dataset = tf.data.Dataset.range(10)
dataset = dataset.skip(7)
list(dataset.as_numpy_iterator())
[7, 8, 9]
Args
count Скалярное значение tf.int64 типа tf.Tensor, представляющее количество элементов этого набора данных, которые следует пропустить для формирования нового набора данных. Если count больше размера этого набора данных, новый набор данных не будет содержать элементов. Если count равно -1, пропускается весь набор данных.
name (Необязательно.) Имя операции tf.data.
Returns
Новый Dataset с применённым преобразованием, как описано выше.

snapshot

Просмотр исходного кода

snapshot(
    path,
    compression='AUTO',
    reader_func=None,
    shard_func=None,
    name=None
) -> 'DatasetV2'

API для сохранения вывода входного набора данных.

API snapshot позволяет пользователям прозрачно сохранять вывод своего конвейера предварительной обработки на диск и материализовать предварительно обработанные данные в другом запуске обучения.

Этот API позволяет объединить повторяющиеся шаги предварительной обработки и позволяет повторно использовать уже обработанные данные, жертвуя хранением на диске и пропускной способностью сети для высвобождения более ценных ресурсов ЦП и вычислительной мощности ускорителей.

https://github.com/tensorflow/community/blob/master/rfcs/20200107-tf-data-snapshot.md содержит подробную документацию по проектированию этой функции.

Пользователи могут указать различные параметры для управления поведением снимка, включая то, как снимки читаются и записываются, передавая пользовательские функции параметрам reader_func и shard_func.

shard_func — это пользовательская функция, которая отображает входные элементы на фрагменты снимка.

Пользователи могут захотеть указать эту функцию для управления тем, как файлы снимка должны записываться на диск. Ниже приведён пример того, как может быть написана потенциальная shard_func.

dataset = ...
dataset = dataset.enumerate()
dataset = dataset.snapshot("/path/to/snapshot/dir",
    shard_func=lambda x, y: x % NUM_SHARDS, ...)
dataset = dataset.map(lambda x, y: y)

reader_func — это пользовательская функция, принимающая один аргумент: (1) набор данных наборов данных, каждый из которых представляет «раздел» элементов исходного набора данных. Мощность входного набора данных соответствует количеству фрагментов, указанных в shard_func (см. выше). Функция должна возвращать набор данных элементов исходного набора данных.

Пользователи могут захотеть указать эту функцию для управления тем, как файлы снимка должны читаться с диска, включая количество перемешивания и параллельности.

Вот пример стандартной функции чтения, которую может определить пользователь. Эта функция позволяет как перемешивать данные набора данных, так и читать их параллельно:

def user_reader_func(datasets):
  # shuffle the datasets splits
  datasets = datasets.shuffle(NUM_CORES)
  # read datasets in parallel and interleave their elements
  return datasets.interleave(lambda x: x, num_parallel_calls=AUTOTUNE)

dataset = dataset.snapshot("/path/to/snapshot/dir",
    reader_func=user_reader_func)

По умолчанию snapshot параллелизует чтение с помощью количества ядер, доступных в системе, но не будет пытаться перемешивать данные.

END_OF_DOCUMENT_MARKER
Args
path Обязательно. Каталог для сохранения/загрузки моментального снимка.
compression Необязательно. Тип сжатия, применяемый к моментальному снимку, записываемому на диск. Поддерживаемые варианты: GZIP, SNAPPY, AUTO или None. По умолчанию используется AUTO, который пытается выбрать подходящий алгоритм сжатия для набора данных.
reader_func Необязательно. Функция управления чтением данных из фрагментов моментального снимка.
shard_func Необязательно. Функция управления фрагментацией данных при записи моментального снимка.
name (Необязательно.) Имя для операции tf.data.
Returns
Новый Dataset с применённым преобразованием, как описано выше.

sparse_batch

Просмотреть исходный код

sparse_batch(
    batch_size, row_shape, name=None
) -> 'DatasetV2'

Объединяет последовательные элементы в tf.sparse.SparseTensor.

Подобно Dataset.padded_batch(), это преобразование объединяет несколько последовательных элементов набора данных, которые могут иметь разные формы, в один элемент. Результирующий элемент имеет три компонента (indices, values и dense_shape), которые составляют tf.sparse.SparseTensor, представляющий те же данные. row_shape представляет плоскую форму каждой строки в результирующем tf.sparse.SparseTensor, к которой в начало добавляется эффективный размер пакета. Например:

# NOTE: The following examples use `{ ... }` to represent the
# contents of a dataset.
a = { ['a', 'b', 'c'], ['a', 'b'], ['a', 'b', 'c', 'd'] }

a.apply(tf.data.experimental.dense_to_sparse_batch(
    batch_size=2, row_shape=[6])) ==
{
    ([[0, 0], [0, 1], [0, 2], [1, 0], [1, 1]],  # indices
     ['a', 'b', 'c', 'a', 'b'],                 # values
     [2, 6]),                                   # dense_shape
    ([[0, 0], [0, 1], [0, 2], [0, 3]],
     ['a', 'b', 'c', 'd'],
     [1, 6])
}
Args
batch_size Скалярное тензорное значение tf.int64, представляющее количество последовательных элементов этого набора данных для объединения в один пакет.
row_shape Объект-подобный тензор tf.TensorShape или tf.int64 -вектор, представляющий эквивалентную плоскую форму строки в результирующем tf.sparse.SparseTensor. Каждый элемент этого набора данных должен иметь такой же ранг, как у row_shape, и размер каждого измерения должен быть меньше или равен row_shape.
name (Необязательно.) Строка, указывающая имя для операции tf.data.
Returns
Новый Dataset с применённым преобразованием, как описано выше.

take

Просмотреть исходный код

take(
    count, name=None
) -> 'DatasetV2'

Создаёт Dataset с не более чем count элементами из этого набора данных.

dataset = tf.data.Dataset.range(10)
dataset = dataset.take(3)
list(dataset.as_numpy_iterator())
[0, 1, 2]
Args
count Скалярное тензорное значение tf.int64, представляющее количество элементов этого набора данных, которое необходимо взять для формирования нового набора данных. Если count равно -1, или если count больше размера этого набора данных, новый набор данных будет содержать все элементы этого набора данных.
name (Необязательно.) Имя для операции tf.data.
Returns
Новый Dataset с применённым преобразованием, как описано выше.

take_while

Просмотреть исходный код

take_while(
    predicate, name=None
) -> 'DatasetV2'

Преобразование, которое останавливает итерацию набора данных на основе predicate.

dataset = tf.data.Dataset.range(10)
dataset = dataset.take_while(lambda x: x < 5)
list(dataset.as_numpy_iterator())
[0, 1, 2, 3, 4]
Args
predicate Функция, отображающая вложенную структуру тензоров (с формами и типами, определёнными self.output_shapes и self.output_types) в скалярный тензор tf.bool.
name (Необязательно.) Имя для операции tf.data.
Returns
Новый Dataset с применённым преобразованием, как описано выше.

unbatch

Просмотреть исходный код

unbatch(
    name=None
) -> 'DatasetV2'

Разделяет элементы набора данных на несколько элементов.

Например, если элементы набора данных имеют форму [B, a0, a1, ...], где B может отличаться для каждого входного элемента, то для каждого элемента в наборе данных, набор данных без пакетов будет содержать B последовательных элементов формы [a0, a1, ...].

elements = [ [1, 2, 3], [1, 2], [1, 2, 3, 4] ]
dataset = tf.data.Dataset.from_generator(lambda: elements, tf.int64)
dataset = dataset.unbatch()
list(dataset.as_numpy_iterator())
[1, 2, 3, 1, 2, 1, 2, 3, 4]
Примечание: unbatch требует копирования данных для разделения пакетного тензора на меньшие, непакетные тензоры. При оптимизации производительности старайтесь избегать ненужного использования unbatch.
Args
name (Необязательно.) Имя для операции tf.data.
Returns
Новый Dataset с применённым преобразованием, как описано выше.

unique

Просмотреть исходный код

unique(
    name=None
) -> 'DatasetV2'

Преобразование, которое отбрасывает повторяющиеся элементы набора Dataset.

Используйте это преобразование, чтобы создать набор данных, который содержит по одному экземпляру каждого уникального элемента на входе. Например:

dataset = tf.data.Dataset.from_tensor_slices([1, 37, 2, 37, 2, 1])
dataset = dataset.unique()
sorted(list(dataset.as_numpy_iterator()))
[1, 2, 37]
Примечание: Это преобразование поддерживает только наборы данных, которые помещаются в память и имеют элементы типа tf.int32, tf.int64 или tf.string.
Args
name (Необязательно.) Имя для операции tf.data.
Returns
Новый Dataset с применённым преобразованием, как описано выше.

window

Просмотреть исходный код

window(
    size, shift=None, stride=1, drop_remainder=False, name=None
) -> 'DatasetV2'

Возвращает набор данных "окна".

Каждое "окно" — это набор данных, содержащий подмножество элементов входного набора данных. Это конечные наборы данных размера size (или, возможно, меньше, если нет достаточно входных элементов для заполнения окна и drop_remainder вычисляется как False).

Например:

dataset = tf.data.Dataset.range(7).window(3)
for window in dataset:
  print(window)
<...Dataset element_spec=TensorSpec(shape=(), dtype=tf.int64, name=None)>
<...Dataset element_spec=TensorSpec(shape=(), dtype=tf.int64, name=None)>
<...Dataset element_spec=TensorSpec(shape=(), dtype=tf.int64, name=None)>

Поскольку окна являются наборами данных, их можно перебирать:

for window in dataset:
  print(list(window.as_numpy_iterator()))
[0, 1, 2]
[3, 4, 5]
[6]

Сдвиг

Аргумент shift определяет количество входных элементов, которые нужно сдвинуть между началом каждого окна. Если окна и элементы пронумерованы, начиная с 0, первый элемент в окне k будет элементом k * shift входного набора данных. В частности, первый элемент первого окна всегда будет первым элементом входного набора данных.

dataset = tf.data.Dataset.range(7).window(3, shift=1,
                                          drop_remainder=True)
for window in dataset:
  print(list(window.as_numpy_iterator()))
[0, 1, 2]
[1, 2, 3]
[2, 3, 4]
[3, 4, 5]
[4, 5, 6]

Шаг

Аргумент stride определяет шаг между входными элементами внутри окна.

dataset = tf.data.Dataset.range(7).window(3, shift=1, stride=2,
                                          drop_remainder=True)
for window in dataset:
  print(list(window.as_numpy_iterator()))
[0, 2, 4]
[1, 3, 5]
[2, 4, 6]

Вложенные элементы

При применении преобразования window к набору данных, чьи элементы являются вложенными структурами, он генерирует набор данных, где элементы имеют такую же вложенную структуру, но каждый лист заменяется окном. Другими словами, вложение применяется вне окон, а не внутри них.

Тип подписи:

def window(
    self: Dataset[Nest[T]], ...
) -> Dataset[Nest[Dataset[T]]]

Применение window к набору данных кортежей дает кортеж окон:

dataset = tf.data.Dataset.from_tensor_slices(([1, 2, 3, 4, 5],
                                              [6, 7, 8, 9, 10]))
dataset = dataset.window(2)
windows = next(iter(dataset))
windows
(<...Dataset element_spec=TensorSpec(shape=(), dtype=tf.int32, name=None)>,
 <...Dataset element_spec=TensorSpec(shape=(), dtype=tf.int32, name=None)>)
def to_numpy(ds):
  return list(ds.as_numpy_iterator())

for windows in dataset:
  print(to_numpy(windows[0]), to_numpy(windows[1]))
[1, 2] [6, 7]
[3, 4] [8, 9]
[5] [10]

Применение window к Dataset словарей даёт словарь Datasets:

dataset = tf.data.Dataset.from_tensor_slices({'a': [1, 2, 3],
                                              'b': [4, 5, 6],
                                              'c': [7, 8, 9]})
dataset = dataset.window(2)
def to_numpy(ds):
  return list(ds.as_numpy_iterator())

for windows in dataset:
  print(tf.nest.map_structure(to_numpy, windows))
{'a': [1, 2], 'b': [4, 5], 'c': [7, 8]}
{'a': [3], 'b': [6], 'c': [9]}

Разворачивание набора данных окон

Методы Dataset.flat_map и Dataset.interleave могут использоваться для разворачивания набора данных окон в один набор данных.

Аргумент для flat_map — это функция, которая принимает элемент из набора данных и возвращает Dataset. flat_map последовательно соединяет полученные наборы данных.

Например, чтобы преобразовать каждое окно в плотный тензор:

dataset = tf.data.Dataset.range(7).window(3, shift=1,
                                          drop_remainder=True)
batched = dataset.flat_map(lambda x:x.batch(3))
for batch in batched:
  print(batch.numpy())
[0 1 2]
[1 2 3]
[2 3 4]
[3 4 5]
[4 5 6]
Аргументы
size Скалярное значение типа tf.int64 tf.Tensor, представляющее число элементов входного набора данных, которые нужно объединить в окно. Должно быть положительным.
shift (Необязательно.) Скалярное значение типа tf.int64 tf.Tensor, представляющее число входных элементов, на которое смещается окно в каждом итерационном цикле. По умолчанию равно size. Должно быть положительным.
stride (Необязательно.) Скалярное значение типа tf.int64 tf.Tensor, представляющее шаг входных элементов в скользящем окне. Значение по умолчанию 1 означает «сохранить каждый входной элемент».
drop_remainder (Необязательно.) Скалярное значение типа tf.bool tf.Tensor, представляющее, следует ли отбрасывать последние окна, если их размер меньше size.
name (Необязательно.) Имя операции tf.data.
Возвращает
Новый Dataset с применённой, как описано выше, трансформацией.

with_options

Просмотреть исходный код

with_options(
    options, name=None
) -> 'DatasetV2'

Возвращает новый tf.data.Dataset с заданными параметрами.

Параметры «глобальные» в том смысле, что они применяются ко всему набору данных. Если параметры задаются несколько раз, они объединяются, если разные параметры не используют разные значения, отличные от значений по умолчанию.

ds = tf.data.Dataset.range(5)
ds = ds.interleave(lambda x: tf.data.Dataset.range(5),
                   cycle_length=3,
                   num_parallel_calls=3)
options = tf.data.Options()
# This will make the interleave order non-deterministic.
options.deterministic = False
ds = ds.with_options(options)
Аргументы
options tf.data.Options, определяющий используемые параметры.
name (Необязательно.) Имя операции tf.data.
Возвращает
Новый Dataset с применённой, как описано выше, трансформацией.
Возможные исключения
ValueError если параметр задаётся более одного раза с нестандартным значением

zip

Просмотреть исходный код

@staticmethod
zip(
    *args, datasets=None, name=None
) -> 'DatasetV2'

Создаёт Dataset путём объединения указанных наборов данных.

Этот метод имеет аналогичную семантику встроенной функции zip() в Python, с основным отличием, заключающимся в том, что аргумент datasets может быть (вложенной) структурой объектов Dataset. Поддерживаемые механизмы вложения описаны здесь.

# The datasets or nested structure of datasets `*args` argument
# determines the structure of elements in the resulting dataset.
a = tf.data.Dataset.range(1, 4)  # ==> [ 1, 2, 3 ]
b = tf.data.Dataset.range(4, 7)  # ==> [ 4, 5, 6 ]
ds = tf.data.Dataset.zip(a, b)
list(ds.as_numpy_iterator())
[(1, 4), (2, 5), (3, 6)]
ds = tf.data.Dataset.zip(b, a)
list(ds.as_numpy_iterator())
[(4, 1), (5, 2), (6, 3)]

# The `datasets` argument may contain an arbitrary number of datasets.
c = tf.data.Dataset.range(7, 13).batch(2)  # ==> [ [7, 8],
                                           #       [9, 10],
                                           #       [11, 12] ]
ds = tf.data.Dataset.zip(a, b, c)
for element in ds.as_numpy_iterator():
  print(element)
(1, 4, array([7, 8]))
(2, 5, array([ 9, 10]))
(3, 6, array([11, 12]))

# The number of elements in the resulting dataset is the same as
# the size of the smallest dataset in `datasets`.
d = tf.data.Dataset.range(13, 15)  # ==> [ 13, 14 ]
ds = tf.data.Dataset.zip(a, d)
list(ds.as_numpy_iterator())
[(1, 13), (2, 14)]
Аргументы
*args Наборы данных или вложенные структуры наборов данных для объединения. Не может быть установлено, если установлено datasets.
datasets (Вложенная) структура наборов данных. Не может быть установлено, если установлено *args. Обратите внимание, что это существует только для обратной совместимости, и предпочтительнее использовать *args.
name (Необязательно.) Имя операции tf.data.
Возвращает
Новый Dataset с применённой, как описано выше, трансформацией.

__bool__

Просмотреть исходный код

__bool__()

__iter__

Просмотреть исходный код

__iter__() -> iterator_ops.OwnedIterator

Создаёт итератор для элементов этого набора данных.

Возвращаемый итератор реализует протокол Python Iterator.

Возвращает
tf.data.Iterator для элементов этого набора данных.
Возможные исключения
RuntimeError Если не внутри tf.function и не выполняется в режиме eager.

__len__

Просмотреть исходный код

__len__()

Возвращает длину набора данных, если она известна и конечна.

Этот метод требует, чтобы вы работали в режиме eager и чтобы длина набора данных была известной и не бесконечной. Когда длина может быть неизвестной или бесконечной, или если вы работаете в режиме графа, используйте tf.data.Dataset.cardinality.

Возвращает
Целое число, представляющее длину набора данных.
Возможные исключения
RuntimeError Если длина набора данных неизвестна или бесконечна, или если режим eager не включён.

__nonzero__

Просмотреть исходный код

__nonzero__()

© 2022 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 4.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/api_docs/python/tf/compat/v1/data/Dataset

Spec-Zone.ru

Настройки Оффлайн Что нового Помощь О нас
Spec-Zone .ru
спецификации, руководства, описания, API