Spec-Zone.ru › TensorFlow

tf.compat.v1.data.experimental.CsvDataset

Набор данных, содержащий строки из одного или нескольких файлов CSV.

Наследуется от: Dataset, Dataset

tf.compat.v1.data.experimental.CsvDataset(
    filenames,
    record_defaults,
    compression_type=None,
    buffer_size=None,
    header=False,
    field_delim=',',
    use_quote_delim=True,
    na_value='',
    select_cols=None,
    exclude_cols=None
)
Аргументы
filenames Тензор tf.string, содержащий один или несколько файлов.
record_defaults Список значений по умолчанию для полей CSV. Каждый элемент списка — это либо допустимое значение CSV DType (float32, float64, int32, int64, string), либо объект Tensor с одним из вышеперечисленных типов. Один на каждый столбец данных CSV, с либо скалярным Tensor значением по умолчанию для столбца, если он необязателен, или DType или пустым Tensor, если требуется. Если указаны как этот, так и select_columns аргументы, их длины должны быть одинаковыми, и предполагается, что column_defaults отсортирован в порядке возрастания индекса столбца. Если указаны как этот, так и 'exclude_cols', сумма длин record_defaults и exclude_cols должна равняться общему числу столбцов в файле CSV.
compression_type (Необязательно.) Скаляр tf.string, оцениваемый как один из "" (без сжатия), "ZLIB" или "GZIP". По умолчанию — без сжатия.
buffer_size (Необязательно.) Скаляр tf.int64, обозначающий количество байтов для буферизации при чтении файлов. По умолчанию — 4 МБ.
header (Необязательно.) Скаляр tf.bool, указывающий, содержат ли файлы CSV заголовок(и), который(е) следует пропустить при обработке. По умолчанию — False.
field_delim (Необязательно.) Скаляр tf.string, содержащий разделитель, разделяющий поля в записи. По умолчанию — ",".
use_quote_delim (Необязательно.) Скаляр tf.bool. Если False, рассматривает двойные кавычки как обычные символы внутри строковых полей (игнорируя RFC 4180, раздел 2, пункт 5). По умолчанию — True.
na_value (Необязательно.) Скаляр tf.string, указывающий значение, которое будет рассматриваться как NA/NaN.
select_cols (Необязательно.) Отсортированный список индексов столбцов для выбора из входных данных. Если указано, будут обработаны только этот подмножество столбцов. По умолчанию обрабатываются все столбцы. Нельзя одновременно указать как select_cols, так и exclude_cols.
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, ознакомьтесь с этим руководством.

output_classes Возвращает класс каждого компонента элемента этого набора данных. (устарело)
Устарело: ЭТА ФУНКЦИЯ УСТАРЕЛА. Она будет удалена в будущей версии. 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 будущей версии. 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 будущей версии. 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, которая принимает один Dataset аргумент и возвращает 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, распечатайте элементы набора данных напрямую, а не с помощью 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, а элемент_spec набора данных содержал 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 по элементам набора данных, с тензорами, преобразованными в массивы NumPy.
Возможные исключения
TypeError если элемент содержит не-Tensor 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 дополнительный внешний размер, который составит batch_size (или N % batch_size для последнего элемента, если batch_size не делит равномерно количество входных элементов N и drop_remainder равно False). Если ваша программа зависит от того, чтобы все пакеты имели одинаковый внешний размер, вы должны установить аргумент drop_remainder в значение True, чтобы предотвратить создание меньшего пакета.

Примечание: Если вашей программе требуется, чтобы данные имели статически известную форму (например, при использовании XLA), вы должны использовать drop_remainder=True. Без drop_remainder=True форма выходного набора данных будет иметь неизвестный ведущий размер из-за возможности получения меньшего конечного пакета.
Аргументы
batch_size Скалярное значение типа tf.int64, представляющее количество последовательных элементов этого набора данных для объединения в один пакет.
drop_remainder (Необязательно.) Скалярное значение типа tf.bool, представляющее, должен ли быть пропущен последний пакет в случае, если он содержит меньше, чем batch_size элементов; по умолчанию меньший пакет не пропускается.
num_parallel_calls (Необязательно.) Скалярное значение типа tf.int64, представляющее количество пакетов, которые необходимо вычислить асинхронно параллельно. Если не указано, пакеты будут вычисляться последовательно. Если используется значение tf.data.AUTOTUNE, то количество параллельных вызовов устанавливается динамически на основе доступных ресурсов.
deterministic (Необязательно.) Когда num_parallel_calls указано, если этот булевый параметр указан (True или False), он управляет порядком, в котором преобразование производит элементы. Если установлено значение False, преобразование разрешается производить элементы в произвольном порядке, чтобы обменять детерминированность на производительность. Если не указано, поведение контролируется параметром tf.data.Options.deterministic (по умолчанию True).
name (Необязательно.) Имя операции tf.data.
Возвращаемое значение
Новый Dataset с применённым преобразованием, как описано выше.

bucket_by_sequence_length

Посмотреть 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 заполняются и объединяются в пакеты.

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

Ниже приведен пример букетизации входных данных в 3 пакета "[0, 3), [3, 5), [5, inf)" на основе длины последовательности с размером пакета 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, которая принимает элемент из Dataset и возвращает tf.int32, определяющая длину элемента, которая будет определять пакет, в который он попадает.
bucket_boundaries list<int>, верхние границы длины пакетов.
bucket_batch_sizes list<int>, размер пакета для каждого пакета. Длина должна быть len(bucket_boundaries) + 1.
padded_shapes Вложенная структура tf.TensorShape для передачи в tf.data.Dataset.padded_batch. Если не указано, используется dataset.output_shapes, что приводит к тому, что размерные переменные длины заполняются до максимальной длины в каждом пакете.
padding_values Значения для заполнения, передаваемые в tf.data.Dataset.padded_batch. По умолчанию заполнение нулями.
pad_to_bucket_boundary bool, если False, будут заполняться размеры с неизвестным размером до максимальной длины в пакете. Если True, размеры с неизвестным размером будут заполнены до границы пакета минус 1 (т.е. максимальной длины в каждом пакете), и вызывающий должен гарантировать, что исходный Dataset не содержит элементов с длиной, большей, чем max(bucket_boundaries).
no_padding bool, указывает, следует ли заполнять функции пакета (функции должны быть либо типа tf.sparse.SparseTensor, либо иметь одинаковую форму).
drop_remainder (Необязательно.) Скалярное значение типа tf.bool, представляющее, должен ли быть пропущен последний пакет в случае, если он содержит меньше, чем batch_size элементов; по умолчанию меньший пакет не пропускается.
name (Необязательно.) Имя операции tf.data.
Возвращаемое значение
Новый Dataset с применённым преобразованием, как описано выше.
Исключения
ValueError если len(bucket_batch_sizes) != len(bucket_boundaries) + 1.

cache

Посмотреть 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. При последующих итерациях будут использованы кэшированные данные.

Примечание: Для гарантии завершения кэша, входной набор данных должен быть пройден полностью до 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 данных будет читать данные из кэша файла. Изменение входной конвейерной линии перед вызовом .cache() не повлияет на результат, пока файл кэша не будет удален или имя файла не будет изменено.

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 вызвали shuffle после вызова cache.
Аргументы
filename Скалярное значение типа tf.string, представляющее имя каталога в файловой системе, который будет использоваться для кэширования элементов в этом наборе данных. Если имя файла не предоставлено, набор данных будет кэширован в оперативной памяти.
name (Необязательно.) Имя операции tf.data.
Возвращаемое значение
Новый Dataset с применённым преобразованием, как описано выше.

cardinality

Посмотреть исходный код

cardinality()

Возвращает мощность набора данных, если она известна.

cardinality может вернуть tf.data.INFINITE_CARDINALITY, если набор данных содержит бесконечное число элементов, или tf.data.UNKNOWN_CARDINALITY, если анализ не смог определить количество элементов в наборе данных (например, при наборе данных из файла).

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
Возвращаемое значение
Скалярное значение типа tf.int64 Tensor, представляющее 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

Посмотреть 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, заданы следующие наборы данных:

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 result будут:

"foo", "bar", "baz", "foo", "bar", "baz", "foo", "bar", "baz"
Аргументы
datasets Непустой список объектов tf.data.Dataset с совместимой структурой.
choice_dataset tf.data.Dataset скалярных тензоров tf.int64 между 0 и len(datasets) - 1.
stop_on_empty_dataset Если True, выбор останавливается при встрече пустого набора данных. Если False, пустые наборы данных пропускаются. Рекомендуется установить в True. В противном случае, выбранные элементы первоначально соответствуют намерениям пользователя, но могут изменяться по мере того, как входные наборы данных становятся пустыми. Это может быть трудно обнаружить, так как набор данных первоначально выглядит правильно. По умолчанию устанавливается в True.
Возвращаемое значение
Новый Dataset с применённым преобразованием, как описано выше.
Исключения
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 для конкатенации.
name (Необязательно.) Имя операции tf.data.
Возвращаемое значение
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, считающий от start с шагом step.

В отличие от tf.data.Dataset.range, который останавливается на определённом конечном числе, tf.data.Dataset.counter генерирует 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 для счётчика. По умолчанию 0.
step (Необязательно.) Шаг для счётчика. По умолчанию 1.
dtype (Необязательно.) Тип данных для элементов счётчика. По умолчанию tf.int64.
name (Необязательно.) Имя операции tf.data.
Возвращаемое значение
Dataset скалярных элементов типа dtype.

enumerate

Просмотреть исходный код

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

Перечисляет элементы этого набора данных.

Аналогично 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 перечисления.
name Необязательно. Имя операций tf.data, используемых enumerate.
Возвращаемое значение
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, отображающая элемент набора данных в булево значение.
name (Необязательно.) Имя операции tf.data.
Возвращаемое значение
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 «выходной люк» для существующих случаев использования filter, которые не работают с функциями V2. Новые случаи использования настоятельно не рекомендуются, а существующие должны быть переведены на filter, так как этот метод будет удалён в V2.
Аргументы
predicate Функция, отображающая (вложенную) структуру тензоров (с формами и типами, определёнными self.output_shapes и self.output_types) в скалярный тензор tf.bool.
Возвращаемое значение
Dataset Dataset, содержащий элементы этого набора данных, для которых predicate имеет значение True.

fingerprint

Просмотреть исходный код

fingerprint()

Вычисляет отпечаток пальца этого Dataset.

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

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

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

Возвращаемое значение
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 сплющивает результат.

Подпись типа:

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

Используйте flat_map, если вы хотите убедиться, что порядок вашего набора данных остаётся неизменным. Например, чтобы сплющить набор данных из пакетов в набор данных 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 вывод, что и tf.data.Dataset.interleave(cycle_length=1)

Аргументы
map_func Функция, отображающая элемент набора данных в набор данных.
name (Необязательно.) Имя операции tf.data.
Возвращаемое значение
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. (аргументы устарели)

Устаревшее: 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, находились на устройстве в том же процессе, что и программа Python, которая вызвала Dataset.from_generator(). В частности, использование from_generator помешает использовать tf.data service для масштабирования обработки набора данных. Тело generator не будет сериализовано в GraphDef, и вы не должны использовать этот метод, если вам нужно сериализовать вашу модель и восстановить её в другой среде.

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

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

Рекомендуемый способ вызова from_generator — использование аргумента output_signature. В этом случае выходные данные будут предполагаться состоящими из объектов с классами, формами и типами, определенными 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, либо с аргументом output_types в одиночку, либо вместе с аргументом output_shapes. В этом случае выходные данные функции будут предполагаться состоящими из объектов tf.Tensor с типами, определенными output_types, и формами, которые либо неизвестны, либо определены output_shapes.

Примечание: Если generator зависит от изменяемых глобальных переменных или другого внешнего состояния, имейте в виду, что среда выполнения может вызвать generator несколько раз (чтобы поддержать повторение Dataset) и в любое время между вызовом Dataset.from_generator() и получением первого элемента из генератора. Изменение глобальных переменных или внешнего состояния может привести к неопределённому поведению, и мы рекомендуем явным образом кэшировать любое внешнее состояние в generator перед вызовом Dataset.from_generator().
Примечание: Хотя параметр output_signature позволяет получать элементы Dataset, область действия Dataset.from_generator() должна быть ограничена логикой, которую нельзя выразить с помощью операций tf.data. Использование операций tf.data внутри функции-генератора — антипаттерн и может привести к нарастающему росту потребления памяти.
Аргументы
generator Вызываемый объект, 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.) Структура (вложенная) объектов tf.DType, соответствующих каждому компоненту элемента, возвращаемого generator.
output_shapes (Необязательно.) Структура (вложенная) объектов tf.TensorShape, соответствующих каждому компоненту элемента, возвращаемого generator.
args (Необязательно.) Кортеж объектов tf.Tensor, которые будут оценены и переданы generator в качестве аргументов массивов NumPy.
output_signature (Необязательно.) Структура (вложенная) объектов tf.TypeSpec, соответствующих каждому компоненту элемента, возвращаемого generator.
name (Необязательно.) Имя для операций tf.data, используемых from_generator.
Возвращает
Dataset A Dataset.

from_sparse_tensor_slices

Просмотреть исходный код

@staticmethod
from_sparse_tensor_slices(
    sparse_tensor
)

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

Устаревшее: 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 A Dataset ранга (N-1) разреженных тензоров.

from_tensor_slices

Просмотреть исходный код

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

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

Заданные тензоры нарезаются вдоль первого измерения. 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, а выполнение в режиме eager отключено, значения будут внедрены в график как одна или несколько операций tf.constant. Для больших наборов данных (> 1 ГБ) это может привести к потере памяти и ограничениям размера графа при сериализации. 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 описаны здесь.
name (Необязательно.) Имя для операции tf.data.
Возвращает
Dataset A Dataset.

from_tensors

Просмотреть исходный код

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

Создаёт набор данных Dataset с одним элементом, состоящим из заданных тензоров.

from_tensors создаёт набор данных, содержащий только один элемент. Для разделения входного тензора 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, а выполнение в режиме eager отключено, значения будут внедрены в график как одна или несколько операций tf.constant. Для больших наборов данных (> 1 ГБ) это может привести к потере памяти и ограничениям размера графа при сериализации. Если tensors содержит один или несколько больших массивов NumPy, рассмотрите альтернативный способ, описанный в этом руководстве.

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

get_single_element

Просмотреть 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-на-выходе» без создания итератора. Это облегчает преобразование данных над тензорами с помощью оптимизированной абстракции 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()
END_OF_DOCUMENT_MARKER

В приведённом выше примере тензор raw_features длины=BATCH_SIZE был преобразован в tf.data.Dataset. Далее каждый из raw_feature был обработан с помощью preprocessing_fn, а обработанные признаки были объединены в одну партию. Окончательный dataset содержит только один элемент, который представляет собой партию всех обработанных признаков.

Примечание: dataset должен содержать только один элемент.

Теперь, вместо создания итератора для dataset и извлечения партии признаков, используется функция tf.data.get_single_element(), которая пропускает этап создания итератора и напрямую выводит партию признаков.

Это может быть особенно полезно, когда преобразования тензора выражены как операции 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 операции tf.data.
Возвращает
Вложенная структура объектов tf.Tensor, соответствующая единственному элементу dataset.
Возможные исключения
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 уменьшает 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 ключу. Все, кроме последнего окна для каждого ключа, будут содержать window_size_func(key) элементов; последнее окно может быть меньше.

Вы можете указать либо константу 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, определёнными self.output_shapes и self.output_types) со скалярным тензором tf.int64.
reduce_func Функция, сопоставляющая ключ и набор данных до window_size последовательных элементов, соответствующих этому ключу, с другим набором данных.
window_size Скалярный tf.int64 tf.Tensor, представляющий число последовательных элементов, соответствующих одному ключу для объединения в одну партию, которая будет передана в reduce_func. Взаимоисключительно с window_size_func.
window_size_func Функция, сопоставляющая ключ со скалярным tf.int64 tf.Tensor, представляющим число последовательных элементов, соответствующих одному ключу для объединения в одну партию, которая будет передана в reduce_func. Взаимоисключительно с window_size.
name (Необязательно.) Имя операции tf.data.
Возвращает
Новый Dataset с применённым преобразованием, как описано выше.
Возможные исключения
ValueError если ни один или оба из {window_size, window_size_func} не переданы.

ignore_errors

Просмотреть исходный код

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

Опускает элементы, вызывающие 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.) Флаг, указывающий, нужно ли регистрировать проигнорированные ошибки в stderr. По умолчанию равно 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 к этому набору данных и переплетает 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 генерируются элементы. cycle_length управляет количеством входных элементов, которые обрабатываются одновременно. Если вы установите cycle_length в 1, это преобразование будет обрабатывать по одному входному элементу за раз, и даст те же результаты, что и tf.data.Dataset.flat_map. В общем случае это преобразование применит map_func к cycle_length входным элементам, откроет итераторы на возвращаемых объектах Dataset, переберётся по ним, произведя 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, возвращаемых этим преобразованием, является детерминированным, пока map_func является чистой функцией и deterministic=True. Если map_func содержит любые операторы с состоянием, порядок доступа к этому состоянию не определён.

Производительность часто можно улучшить, установив num_parallel_calls, так что interleave будет использовать несколько потоков для получения элементов. Если детерминизм не требуется, производительность 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 указано, среда выполнения tf.data сама решает, что оно должно быть, исходя из доступных ЦП. Если num_parallel_calls установлено в tf.data.AUTOTUNE, то аргумент cycle_length определяет максимальную степень параллелизма.
block_length (Необязательно.) Количество последовательных элементов, которые необходимо генерировать из каждого входного элемента перед переходом к другому входному элементу. Если не указано, по умолчанию равно 1.
num_parallel_calls (Необязательно.) При указании этого значения, реализация создаёт пул потоков, который используется для асинхронного и параллельного извлечения входов из циклических элементов. По умолчанию поведение заключается в синхронном извлечении входов из циклических элементов без параллелизма. Если используется значение tf.data.AUTOTUNE, количество параллельных вызовов устанавливается динамически в зависимости от доступных ЦП.
deterministic (Необязательно.) Если num_parallel_calls указано, если этот булевый параметр указан (True или False), он управляет порядком, в котором преобразование генерирует элементы. Если установлено в False, преобразование может возвращать элементы не в порядке, чтобы обменять детерминизм на производительность. Если не указано, поведение регулируется опцией tf.data.Options.deterministic (True по умолчанию).
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 со всеми файлами, соответствующими одному или нескольким шаблонам glob.

Аргумент file_pattern должен содержать небольшое число шаблонов glob. Если имена файлов уже обработаны glob, используйте Dataset.from_tensor_slices(filenames) вместо этого, так как повторное применение glob к каждому имени файла с помощью list_files может привести к плохой производительности с удалёнными системами хранения.

Примечание: По умолчанию этот метод возвращает имена файлов в случайном порядке, без определённой последовательности. Передайте seed или shuffle=False, чтобы получить результаты в определённом порядке.
Пример
Если у нас на 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" как каталог, набор данных произведёт:

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

load

Посмотреть исходный код

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

Загружает ранее сохранённый 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 для фрагментации сохранённого набора данных, 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 фрагментов. Ожидается, что reader_func примет один аргумент — набор данных наборов данных, каждый из которых содержит элементы одного из фрагментов, — и вернёт набор данных элементов. Например, порядок фрагментов можно перемешать 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.
element_spec Необязательно. Вложенная структура объектов tf.TypeSpec, соответствующая структуре элемента сохранённого набора данных, и определяющая тип отдельных компонентов элемента. Если не указано, используется вложенная структура tf.TypeSpec, сохранённая с сохранённым набором данных. Обратите внимание, что этот аргумент необходим в режиме графа.
compression Необязательно. Алгоритм, используемый для распаковки данных при чтении. Поддерживаемые варианты — GZIP и NONE. По умолчанию NONE.
reader_func Необязательно. Функция, которая управляет чтением данных из фрагментов. Если задана, функция будет отслеживаться и выполняться как вычисление графа.
Возвращаемое значение
Экземпляр tf.data.Dataset.
Исключения
FileNotFoundError Если element_spec не указан, и вложенная структура tf.TypeSpec не может быть найдена в сохранённом наборе данных.
ValueError Если element_spec не указан и метод выполняется в режиме графа.

make_initializable_iterator

Посмотреть исходный код

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

Создаёт итератор для элементов этого набора данных. (устарело)

Устарело: ЭТА ФУНКЦИЯ УСТАРЕЛА. Она будет удалена в будущей версии. Инструкции по обновлению: Это устаревший API, который следует использовать только в режиме графа TF 1 и режиме графа устаревшего TF 2, доступном через tf.compat.v1. Во всех других ситуациях — а именно, в режиме eager и внутри tf.function — вы можете потреблять элементы набора данных, используя for elem in dataset: ..., или создавая итератор явно через iterator = iter(dataset) и извлекая его элементы с помощью values = next(iterator). Кроме того, этот API недоступен в TF 2. Во время перехода с TF 1 на TF 2 вы можете использовать tf.compat.v1.data.make_initializable_iterator(dataset) для создания итератора в стиле графа 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 в неинициализированном состоянии, и вы должны запустить операцию iterator.initializer, прежде чем использовать его:
# 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 сессиях, которые используют одни и те же устройства (например, при использовании удалённого сервера).
Возвращаемое значение
Итератор tf.data.Iterator для элементов этого набора данных.
Исключения
RuntimeError Если включено eager выполнение.

make_one_shot_iterator

Посмотреть исходный код

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

Создаёт итератор для элементов этого набора данных. (устарело)

Устарело: ЭТА ФУНКЦИЯ УСТАРЕЛА. Она будет удалена в будущей версии. Инструкции по обновлению: Это устаревший API, который следует использовать только в режиме графа TF 1 и режиме графа устаревшего TF 2, доступном через tf.compat.v1. Во всех других ситуациях — а именно, в режиме eager и внутри tf.function — вы можете потреблять элементы набора данных, используя for elem in dataset: ..., или создавая итератор явно через iterator = iter(dataset) и извлекая его элементы с помощью values = next(iterator). Кроме того, этот API недоступен в TF 2. Во время перехода с TF 1 на TF 2 вы можете использовать tf.compat.v1.data.make_one_shot_iterator(dataset) для создания итератора в стиле графа 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. Итератор "one-shot" 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
Итератор tf.data.Iterator для элементов этого набора данных.

map

Посмотреть исходный код

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

Применяет map_func к элементам этого набора данных.

Это преобразование 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 конструкции структуры описаны здесь.

Например, map может использоваться для добавления 1 к каждому элементу или для проекции 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]

Входная сигнатура 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 любые типы элементов набора данных.

Обратите внимание, что независимо от контекста, в котором определяется map_func (eager или graph), tf.data отслеживает функцию и выполняет её как вычисление графа. Для использования кода Python внутри функции у вас есть несколько вариантов:

1) Воспользуйтесь AutoGraph для преобразования кода Python в эквивалентное вычисление графа. Недостатком этого подхода является то, что AutoGraph может преобразовать часть, но не весь код Python.

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

END_OF_DOCUMENT_MARKER ```
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, который 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 выполнения пользовательских преобразований параллельно (из-за блокировки интерпретатора Python).

Производительность часто можно улучшить, установив num_parallel_calls, чтобы map использовал несколько потоков для обработки элементов. Если порядок элементов не важен, можно также улучшить производительность, 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, возвращаемых этим преобразованием, является детерминированным, если deterministic=True. Если map_func содержит операции со 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.) Скалярный tf.int64 tf.Tensor, представляющий количество элементов для асинхронной обработки параллельно. Если не указано, элементы будут обрабатываться последовательно. Если используется значение tf.data.AUTOTUNE, то количество параллельных вызовов устанавливается динамически в зависимости от доступных процессоров.
deterministic (Необязательно.) Когда num_parallel_calls указано, если этот булевый параметр указан (True или False), он управляет порядком, в котором преобразование производит элементы. Если установлен в False, преобразование может возвращать элементы в произвольном порядке, чтобы обменять детерминизм на производительность. Если не указано, поведение определяется параметром 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 к элементам этого набора данных. (устаревшая функция)

Устарело: ЭТА ФУНКЦИЯ УСТАРЕЛА. Она будет удалена в будущей версии. Инструкции по обновлению: Используйте `tf.data.Dataset.map()
Примечание: Это временный вариант для существующих использующих map, которые не работают с функциями V2. Новые использования не рекомендуются, и существующие должны быть переведены на map, так как этот метод будет удалён в версии 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.) Скалярный tf.int32 tf.Tensor, представляющий количество элементов для асинхронной обработки параллельно. Если не указано, элементы будут обрабатываться последовательно. Если используется значение tf.data.AUTOTUNE, то количество параллельных вызовов устанавливается динамически в зависимости от доступных процессоров.
deterministic (Необязательно.) Когда num_parallel_calls указано, этот булевый параметр управляет порядком, в котором преобразование производит элементы. Если установлен в False, преобразование может возвращать элементы в произвольном порядке, чтобы обменять детерминизм на производительность. Если не указано, поведение определяется параметром tf.data.Options.deterministic (по умолчанию True).
Возвращаемое значение
Dataset Dataset.

options

Просмотреть исходный код

options()

Возвращает параметры для этого набора данных и его входов.

Возвращаемое значение
Объект tf.data.Options, представляющий параметры 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 запакованные 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 ровно 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 предотвратить создание меньшего пакета.

В отличие от tf.data.Dataset.batch, входные элементы для объединения в пакеты могут иметь разные формы, и это преобразование будет дополнять каждый компонент до соответствующей формы в padded_shapes. Аргумент padded_shapes определяет результирующую форму для каждого измерения каждого компонента в выходном элементе:

  • Если измерение является константой, компонент будет дополнен до этого размера в этом измерении.
  • Если измерение неизвестно, компонент будет дополнен до максимального размера этого измерения во всех элементах.
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 tf.int64 скалярный tf.Tensor, представляющий количество последовательных элементов этого набора данных, которые объединяются в один пакет.
padded_shapes (Необязательно.) (Вложенная) структура tf.TensorShape или tf.int64 векторных тензорных объектов, представляющих форму, до которой соответствующий компонент каждого входного элемента должен быть дополнен перед объединением в пакет. Любые неизвестные измерения будут дополнены до максимального размера этого измерения в каждом пакете. padded_shapes должен быть установлен, если у какого-либо компонента неизвестный ранг.
padding_values (Необязательно.) (Вложенная) структура скалярных tf.Tensor, представляющих значения заполнения для соответствующих компонентов. None обозначает, что (вложенная) структура должна быть дополнена значениями по умолчанию. Значения по умолчанию - 0 для числовых типов и пустая строка для строковых типов. Структура padding_values должна иметь такую же (вложенную) структуру, как и входной набор данных. Если padding_values является одним элементом, а входной набор данных имеет несколько компонентов, то один и тот же padding_values будет использован для заполнения каждого компонента набора данных. Если padding_values является скаляром, его значение будет распространённо, чтобы соответствовать форме каждого компонента.
drop_remainder (Необязательно.) tf.bool скалярный tf.Tensor, представляющий, нужно ли опускать последний пакет в случае, если он имеет меньше, чем batch_size элементов; по умолчанию меньший пакет не опускается.
name (Необязательно.) Имя операции tf.data.
Возвращаемое значение
Новый Dataset с применённым преобразованием, как описано выше.
Исключения
ValueError Если у компонента неизвестный ранг, и аргумент padded_shapes не задан.
TypeError Если компонент имеет неподдерживаемый тип. Список поддерживаемых типов документирован в https://www.tensorflow.org/guide/data#dataset_structure

prefetch

Просмотреть исходный код

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

Создаёт Dataset, который предварительно извлекает элементы из этого набора данных.

Большинство конвейеров ввода наборов данных должны завершаться вызовом prefetch. Это позволяет подготавливать последующие элементы, пока обрабатывается текущий. Это часто улучшает задержку и пропускную способность, за счёт использования дополнительной памяти для хранения предварительно извлечённых элементов.

Примечание: Как и другие методы Dataset, предварительная выборка работает с элементами входного набора данных. Он не различает примеры и пакеты. examples.prefetch(2) предварительно извлечёт два элемента (2 примера), в то время как examples.batch(20).prefetch(2) предварительно извлечёт 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 tf.int64 типа tf.Tensor, представляющее максимальное количество элементов, которые будут буферизованы при предварительной выборке. Если используется значение tf.data.AUTOTUNE, размер буфера динамически настраивается.
name Необязательно. Имя для преобразования tf.data.
Возвращает
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.

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, чтобы пакеты имели одинаковое внешнее измерение, вы должны установить аргумент drop_remainder в True, чтобы предотвратить создание меньшего пакета.

В отличие от tf.data.Dataset.batch, входные элементы, подлежащие пакетированию, могут иметь различные формы:

  • Если входной элемент является tf.Tensor, чья статическая tf.TensorShape полностью определена, то он пакетируется 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 выходной элемент будет содержать tf.RaggedTensor, который разрежен до любой из таких размерностей.
  • Если входной элемент является tf.RaggedTensor или любого другого типа, то он пакетируется 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 tf.int64 типа tf.Tensor, представляющее количество последовательных элементов этого набора данных, которые необходимо объединить в один пакет.
drop_remainder (Необязательно.) Скалярное значение tf.bool типа tf.Tensor, указывающее, следует ли опустить последний пакет в случае, если он содержит меньше, чем batch_size элементов; по умолчанию меньший пакет не опускается.
row_splits_dtype Тип данных, который должен использоваться для row_splits любых новых разреженных тензоров. Существующие элементы tf.RaggedTensor не изменяют свой тип данных row_splits.
name (Необязательно.) Строка, указывающая имя операции tf.data.
Возвращает
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 значений, равномерно распределённых.

rerandomize_each_iteration управляет тем, должна ли последовательность сгенерированных случайных чисел перерандомизироваться 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 указано, набор данных генерирует 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 другую детерминированную последовательность случайных чисел для каждой эпохи. По умолчанию значение равно False, если не указано.
name (Необязательно.) Имя для операции tf.data.
Возвращает
Dataset Dataset.

range

Просмотреть исходный код

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

Создаёт Dataset последовательности 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 использует 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 для операции tf.data.
Возвращает
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 пакетирует элементы из этого набора данных.

rebatch(N) функционально эквивалентен unbatch().batch(N), но более эффективен, 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 циклически 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 Скалярное или векторное значение tf.int64, представляющее размер пакетов для создания. Если этот аргумент является вектором, эти значения циклически перебираются в режиме круговой очереди.
drop_remainder (Необязательно.) Скалярное значение tf.bool типа tf.Tensor, указывающее, следует ли опустить последний пакет в случае, если он содержит меньше, чем batch_size[cycle_index] элементов; по умолчанию меньший пакет не опускается.
name (Необязательно.) Имя для операции tf.data.
Возвращает
Dataset скалярных элементов dtype.

reduce

Просмотреть исходный код

reduce(
    initial_state, reduce_func, name=None
)

Сводит входной набор данных к одному элементу.

Преобразование последовательно вызывает reduce_func на каждом элементе входного набора данных, пока набор данных не исчерпается, аггрегируя информацию во внутренней состоянии. Аргумент initial_state используется для начального состояния, а конечное состояние возвращается в качестве результата.

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
Args
initial_state Элемент, представляющий начальное состояние преобразования.
reduce_func Функция, которая отображает (old_state, input_element) на 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.
Returns
Элемент набора данных, соответствующий конечному состоянию преобразования.

rejection_resample

Посмотреть исходный код

rejection_resample(
    class_func, target_dist, initial_dist=None, seed=None, name=None
) -> 'DatasetV2'

Перевыборка элементов для достижения целевого распределения.

Примечание: Эта реализация может отклонять или повторять элементы для достижения target_dist. Поэтому в некоторых случаях выходной Dataset может быть больше, чем входной 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 примерно равно 0,6, а one — примерно 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 примерно равно 0,5, а one — примерно 0,5.

Args
class_func Функция, отображающая элемент входного набора данных на скалярный tf.int32 тензор. Значения должны быть в [0, num_classes).
target_dist Тензор с плавающей точкой, формы [num_classes].
initial_dist (Необязательно.) Тензор с плавающей точкой, формы [num_classes]. Если не указано, то истинное распределение классов оценивается в режиме потоковой передачи.
seed (Необязательно.) Целое число Python, служащее начальным значением для перевыборки.
name (Необязательно.) Имя операции tf.data.
Returns
Новый Dataset с применённым преобразованием, как описано выше.

repeat

Посмотреть исходный код

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

Повторяет этот набор данных, так что каждый исходный элемент будет виден 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 выход не является детерминированным (например, из-за потока shuffle), то разные повторения могут генерировать разные элементы.
Args
count (Необязательно.) Скалярное tf.int64 значение tf.Tensor, представляющее количество раз, на которое набор данных должен быть повторён. По умолчанию (если count равно None или -1) набор данных повторяется бесконечно.
name (Необязательно.) Имя операции tf.data.
Returns
Новый Dataset с применённым преобразованием, как описано выше.

sample_from_datasets

Посмотреть исходный код

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

Случайным образом выбирает элементы из наборов данных в datasets.

Создаёт набор данных путём чередования элементов из datasets с вероятностью weight[i] выбрать элемент из набора данных i. Выборка происходит без возвращения. 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 возможный результат элементов в sample_dataset:

print(list(sample_dataset.as_numpy_iterator()))
# [100, 0, 1, 101, 2, 102]
Args
datasets Непустой список объектов tf.data.Dataset с совместимой структурой.
weights (Необязательно.) Список или тензор значений с плавающей точкой len(datasets), где weights[i] представляет вероятность выбора из datasets[i], или объект tf.data.Dataset, где каждый элемент — такой список. По умолчанию равномерное распределение по datasets.
seed (Необязательно.) Скалярное значение tf.int64 tf.Tensor, представляющее 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 прекращается, если встречается пустой набор данных. Если False, выборка продолжается и пропускаются пустые наборы данных. Рекомендуется установить значение True. В противном случае распределение выборок изначально соответствует намерениям пользователя, но может изменяться по мере того, как входные наборы данных становятся пустыми. Это может быть трудно обнаружить, поскольку набор данных первоначально выглядит правильно. По умолчанию False для обеспечения обратной совместимости.
rerandomize_each_iteration Необязательный bool. Логический аргумент управляет тем, будет ли последовательность случайных чисел, используемых для определения, из какого набора данных выбирать, перегенерирована в каждом цикле. То есть, это определяет, будут ли наборы данных выбираться в одном и том же порядке в разных циклах (по умолчанию) или нет.
Returns
Набор данных, который случайно чередует элементы из datasets в соответствии с weights, если оно указано, иначе с равномерной вероятностью.
Raises
TypeError Если аргументы datasets или weights имеют неправильный тип.
ValueError
  • Если datasets пуст, или
  • Если weights указано и не соответствует длине datasets.

save

Посмотреть исходный код

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

Сохраняет содержимое данного 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 «фрагментов». По умолчанию выходной набор данных делится на фрагменты по круговой схеме, но пользователь может указать пользовательское разбиение на фрагменты с помощью функции shard_func. Например, вы можете сохранить набор данных в одном фрагменте 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)

Чтобы включить сохранение точек останова, 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 каталога и формат файла, используемые для сохранения набора данных, считаются реализацией и могут меняться. По этой причине наборы данных, сохраненные с помощью tf.data.Dataset.save, должны потребляться только с помощью tf.data.Dataset.load, который гарантирует обратную совместимость.
Args
path Обязательно. Каталог для сохранения набора данных.
compression Необязательно. Алгоритм для сжатия данных при записи. Поддерживаемые 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 отслеживаться и выполняться как вычисление графа.
checkpoint_args Необязательные аргументы для сохранения точек останова, которые будут переданы в tf.train.CheckpointManager. Если checkpoint_args не указаны, то сохранение точек останова не будет выполнено. Реализация save() создаёт объект tf.train.Checkpoint внутри, поэтому пользователи не должны устанавливать аргумент checkpoint в checkpoint_args.
Returns
Операция, которая при выполнении выполняет сохранение. При записи точек останова возвращает None. Возвращаемое значение полезно в модульных тестах.
Возбуждает
ValueError, если checkpoint передается в checkpoint_args.

scan

Просмотреть исходный код

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

Преобразование, которое применяет функцию к набору данных.

Это преобразование является состоятельным аналогом tf.data.Dataset.map. Кроме сопоставления scan_func с элементами входного набора данных, scan() накапливает один или несколько тензоров состояния, начальные значения которых равны 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]
Аргументы
initial_state Вложенная структура тензоров, представляющая начальное состояние аккумулятора.
scan_func Функция, которая сопоставляет (old_state, input_element) с (new_state, output_element). Она должна принимать два аргумента и возвращать пару вложенных структур тензоров. Структура возвращаемого значения new_state должна соответствовать структуре initial_state.
name (Необязательно.) Имя операции tf.data.
Возвращает
Новый набор данных Dataset с применённым преобразованием, как описано выше.

shard

Просмотреть исходный код

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

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

shard является детерминированным. Набор данных, полученный с помощью A.shard(n, i), будет содержать все элементы A, чей индекс mod n равен 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 позволяет каждому процессу читать уникальный подмножество.

При чтении из 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)

Important caveats:

  • Убедитесь, что вы разбили набор данных перед использованием любого оператора случайного выбора (такого как shuffle).
  • Обычно лучше использовать оператор разбиения на ранней стадии конвейера набора данных. Например, при чтении из набора файлов TFRecord, разбейте их перед преобразованием набора данных в входные примеры. Это предотвращает чтение каждого файла на каждом процессе. Следующее является примером эффективной стратегии разбиения 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)
Аргументы
num_shards Масштабный скаляр tf.int64 tf.Tensor, представляющий количество процессов разбиения.
index Масштабный скаляр tf.int64 tf.Tensor, представляющий индекс процесса.
name (Необязательно.) Имя операции tf.data.
Возвращает
Новый набор данных Dataset с применённым преобразованием, как описано выше.
Возбуждает
InvalidArgumentError Если num_shards или index являются недопустимыми значениями.
Примечание: проверка ошибок выполняется с максимальной эффективностью, и ошибки не гарантируются при создании набора данных. (например, предоставление тензора-заполнителя обходит раннюю проверку и вместо этого приведёт к ошибке во время вызова session.run.)

shuffle

Просмотреть исходный код

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

Случайно перемешивает элементы этого набора данных.

Этот набор данных заполняет буфер элементами buffer_size, 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 установлено в 1000, то shuffle изначально выберет 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 из 1000 элементов.

reshuffle_each_iteration управляет тем, должен ли порядок перемешивания быть другим для каждой эпохи. В TF 1.X, стандартный способ создания эпох был с помощью 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 Python-итерациями, что позволяет создавать эпохи и с помощью Python-итерации:

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 равным 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 приведёт к переполнению памяти (OOM) в случае очень больших наборов данных, поэтому полное перемешивание следует использовать только для наборов данных, которые умещаются в памяти, 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]
Аргументы
buffer_size Масштабный скаляр tf.int64 tf.Tensor, представляющий количество элементов из этого набора данных, из которых новый набор данных будет выбирать. Для равномерного перемешивания всего набора данных используйте buffer_size=dataset.cardinality().
seed (Необязательно.) Масштабный скаляр tf.int64 tf.Tensor, представляющий случайное семя, которое будет использоваться для создания распределения. См. tf.random.set_seed для поведения.
reshuffle_each_iteration (Необязательно.) Булево значение, которое, если установлено в true, указывает, что набор данных должен быть псевдослучайным образом перетасован каждый раз при итерации по нему. (По умолчанию True.)
name (Необязательно.) Имя операции tf.data.
Возвращает
Новый набор данных Dataset с применённым преобразованием, как описано выше.

skip

Просмотреть исходный код

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

Создаёт набор данных, 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]
Аргументы
count Масштабный скаляр tf.int64 tf.Tensor, представляющий количество элементов из этого набора данных, которые нужно пропустить, чтобы сформировать новый набор данных. Если count больше размера этого набора данных, новый набор данных не будет содержать элементов. Если count равно -1, пропускает весь набор данных.
name (Необязательно.) Имя операции tf.data.
Возвращает
Новый набор данных Dataset с применённым преобразованием, как описано выше.

snapshot

Просмотреть исходный код

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

API для сохранения результатов входного набора данных.

API snapshot позволяет пользователям прозрачно сохранять результаты конвейера предобработки на диск и материализовать предварительно обработанные данные в другом запуске обучения.

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 snapshot, включая то, как чтение и запись snapshot выполняются, передавая в параметры reader_func и shard_func пользовательские функции.

shard_func — это пользовательская функция, которая сопоставляет входные элементы с фрагментами snapshot.

Пользователи могут захотеть указать эту функцию для управления тем, как файлы snapshot записываются на диск. Ниже приведён пример потенциальной реализации 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 функция, задаваемая пользователем, которая принимает один аргумент: (1) набор наборов данных, каждый из которых представляет собой «разбиение» элементов исходного набора данных. Мощность входного набора данных соответствует количеству фрагментов, указанному в shard_func (см. выше). Функция должна возвращать набор элементов исходного набора данных.

Пользователи могут задать эту функцию для управления тем, как файлы снимков должны считываться с диска, включая объем перемешивания и параллелизма.

Вот пример стандартной функции чтения, которую может определить пользователь. Эта функция позволяет как перемешивать данные набора, 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, чтение снимков параллелизуется в соответствии с количеством ядер, доступных в системе, но не пытается перемешать данные.

Аргументы
path Обязательно. Директория для хранения/загрузки снимка.
compression Необязательно. Тип сжатия, применяемый к снимку, записываемому на диск. Поддерживаемые варианты — GZIP, SNAPPY, AUTO или None. По умолчанию — AUTO, который пытается выбрать подходящий алгоритм сжатия для набора данных.
reader_func Необязательно. Функция для управления чтением данных из фрагментов снимка.
shard_func Необязательно. Функция для управления фрагментацией данных при записи снимка.
name (Необязательно.) Имя операции tf.data.
Возвращаемое значение
Новый Dataset с применением преобразования, 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 различные 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 собой плотную форму каждой строки в результирующем tf.sparse.SparseTensor, к которой в начале добавляется эффективная размерность пакетности. 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])
}
Аргументы
batch_size Скалярный тензор tf.int64, представляющий количество последовательных элементов данного набора данных для объединения в один пакет.
row_shape Объект tf.TensorShape или векторный тензор tf.int64, представляющий эквивалентную плотную форму строки в результирующем tf.sparse.SparseTensor. Каждый элемент данного набора данных должен иметь тот же ранг, что и row_shape, и должен иметь размер меньше или равен row_shape в каждой размерности.
name (Необязательно.) Строка, указывающая имя операции tf.data.
Возвращаемое значение
Новый Dataset с применением преобразования, 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]
Аргументы
count Скалярный тензор tf.int64, представляющий количество элементов этого набора данных, которые должны быть взяты 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 операции tf.data.
Возвращаемое значение
Новый Dataset с применением преобразования, как описано выше.

take_while

Просмотреть исходный код

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

Преобразование, которое останавливает итерацию по набору 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]
Аргументы
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 операции tf.data.
Возвращаемое значение
Новый Dataset с применением преобразования, 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 меняться для каждого входного элемента, то для каждого элемента в наборе данных необработанный набор данных 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.
Аргументы
name (Необязательно.) Имя операции tf.data.
Возвращаемое значение
Новый Dataset с применением преобразования, как описано выше.

unique

Просмотреть исходный код

unique(
    name=None
) -> 'DatasetV2'

Преобразование, которое отбрасывает дублируемые элементы набора данных Dataset.

Используйте это преобразование, чтобы получить набор данных, содержащий один экземпляр 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.
Аргументы
name (Необязательно.) Имя операции tf.data.
Возвращаемое значение
Новый Dataset с применением преобразования, как описано выше.

window

Просмотреть исходный код

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

Возвращает набор данных «окон».

Каждое «окно» — это набор данных, содержащий подмножество элементов входного набора данных. Это конечные наборы данных размером size (или, возможно, меньше, если нет достаточно входных элементов для заполнения окна и drop_remainder оценивается 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)>

Так как окна — это наборы данных, к ним можно обращаться итеративно:

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 необходимо сдвинуть между началом каждого окна. Если номера окон и элементов начинаются с 0, то 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 элементами входных данных в окне.

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

Когда преобразование window применяется к набору данных, элементы которого являются вложенными структурами, оно создает набор данных, где элементы имеют ту же вложенную структуру, но каждый лист заменяется окном. Другими словами, вложение применяется вне окон, а не внутри них.

Подпись типа:

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

Применение window к Dataset кортежей даёт 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]}

Распаковать набор данных окон

Методы Dataset.flat_map и Dataset.interleave могут использоваться для распаковки 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 объединяет 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 количество элементов входного набора данных, объединяемых в окно. Должно быть положительным.
shift (Необязательно.) Скалярное значение типа tf.int64 tf.Tensor, представляющее количество входных элементов, на которое окно перемещается на каждой итерации. По умолчанию равно size. Должно быть положительным.
stride (Необязательно.) Скалярное значение типа tf.int64 tf.Tensor, представляющее шаг элементов входных данных в скользящем окне. Значение по умолчанию 1 означает "сохранить каждый входной элемент".
drop_remainder (Необязательно.) Скалярное значение типа tf.bool tf.Tensor, указывающее, нужно ли отбрасывать последние окна, если их размер меньше, чем size.
name (Необязательно.) Имя операции tf.data.
Возвращает
Новый Dataset с применённым преобразованием, как описано выше.

with_options

Просмотр исходного кода

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

Возвращает новый tf.data.Dataset с заданными параметрами.

Параметры «глобальны» в том смысле, что они применяются ко всему набору данных. Если параметры задаются несколько раз, они объединяются, при условии, что разные параметры не используют разные значения, отличные от значения 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 применённым преобразованием, как описано выше.
Возможные исключения
ValueError при установке параметра более одного раза с нестандартным значением

zip

Просмотр исходного кода

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

Создаёт Dataset, объединяя заданные наборы данных.

Этот метод имеет схожие семантику со встроенной функцией zip() в Python, с основным отличием, 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 задано, если datasets задано.
datasets (Вложенная) структура наборов данных. Не может быть задано, если *args задано. Обратите внимание, что это существует только для обратной совместимости, и предпочтительнее использовать *args.
name (Необязательно.) Имя операции tf.data.
Возвращает
Новый Dataset с применённым преобразованием, как описано выше.

__bool__

Просмотр исходного кода

__bool__()

__iter__

Просмотр исходного кода

__iter__()

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__

Просмотр исходного кода

__len__()

Возвращает длину набора данных, если она известна и конечна.

Этот метод требует, чтобы вы работали в режиме eager и длина набора данных была известна и не бесконечна. Если длина неизвестна или бесконечна, 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__

Просмотр исходного кода

__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/experimental/CsvDataset

Spec-Zone.ru

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