tf.compat.v1.data.experimental.RandomDataset
Последовательность псевдослучайных значений.
Наследуется от: Dataset, Dataset
tf.compat.v1.data.experimental.RandomDataset(
seed=None, rerandomize_each_iteration=None, name=None
)
| Атрибуты | |
|---|---|
element_spec | Описание типа элемента данного 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, обратитесь к этому руководству. |
output_classes | Возвращает класс каждого компонента элемента этого набора данных. (устарело) |
output_shapes | Возвращает размерность каждого компонента элемента этого набора данных. (устарело) |
output_types | Возвращает тип каждого компонента элемента этого набора данных. (устарело) |
Методы
apply
apply(
transformation_func
) -> 'DatasetV2'
Применяет функцию преобразования к этому набору данных.
apply позволяет цепочку пользовательских Dataset преобразований, которые представляются как функции, принимающие один Dataset аргумент и возвращающие преобразованный Dataset.
dataset = tf.data.Dataset.range(100) def dataset_fn(ds): return ds.filter(lambda x: x < 5) dataset = dataset.apply(dataset_fn) list(dataset.as_numpy_iterator()) [0, 1, 2, 3, 4]
| Аргументы | |
|---|---|
transformation_func | Функция, принимающая один Dataset аргумент и возвращающая Dataset. |
| Возвращаемое значение | |
|---|---|
Новый Dataset с применённым преобразованием, как описано выше. |
as_numpy_iterator
as_numpy_iterator()
Возвращает итератор, который преобразует все элементы набора данных в NumPy.
Используйте as_numpy_iterator, чтобы проверить содержимое набора данных. Чтобы увидеть формы и типы элементов, печатайте элементы набора данных напрямую, а не используйте as_numpy_iterator.
dataset = tf.data.Dataset.from_tensor_slices([1, 2, 3]) for element in dataset: print(element) tf.Tensor(1, shape=(), dtype=int32) tf.Tensor(2, shape=(), dtype=int32) tf.Tensor(3, shape=(), dtype=int32)
Этот метод требует, чтобы вы работали в режиме eager, и элемент 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| Возвращаемое значение | |
|---|---|
| Итерируемый объект элементов набора данных, с их тензорами, преобразованными в массивы NumPy. |
| Исключения | |
|---|---|
TypeError | если элемент содержит не-Tensor значение. |
RuntimeError | если режим eager не включен. |
batch
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 получат дополнительное внешнее измерение, которое будет batch_size (или N % batch_size для последнего элемента, если batch_size не делит количество входных элементов N равномерно и drop_remainder равно False). Если ваша программа зависит от того, что пакеты имеют одинаковое внешнее измерение, вы должны установить аргумент drop_remainder в True, чтобы предотвратить создание меньшего пакета.
Примечание: Если ваша программа требует данных со статически известной формой (например, при использовании XLA), вы должны использоватьdrop_remainder=True. Безdrop_remainder=Trueформа выходного набора данных будет иметь неизвестное ведущее измерение из-за возможности получения меньшего конечного пакета.
| Аргументы | |
|---|---|
batch_size | Скаляр tf.int64, представляющий количество последовательных элементов этого набора данных, объединяемых в один пакет. |
drop_remainder | (Необязательно.) Скаляр tf.bool, определяющий, должен ли последний пакет отбрасываться в случае, если он содержит меньше, чем batch_size элементов; поведение по умолчанию — не отбрасывать меньший пакет. |
num_parallel_calls | (Необязательно.) Скаляр tf.int64, представляющий количество пакетов, вычисляемых 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 указан, если этот булевый параметр указан (True или False), он управляет порядком, в котором преобразование генерирует элементы. Если установлен в False, преобразование разрешается генерировать элементы вне порядка, чтобы обменять детерминизм на производительность. Если не указано, поведение контролирует параметр 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
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 пакет.
Это полезно для задач с последовательностями, где элементы имеют переменную длину. Группировка элементов с похожими длинами уменьшает общую долю заполнения в пакете, что повышает эффективность шагов обучения.
Ниже приведён пример букетизации входных данных в 3 корзины "[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, преобразующая элемент в Dataset в tf.int32, определяющая длину элемента, которая определяет корзину, в которую он попадает. |
bucket_boundaries | list<int>, верхние границы длин корзин. |
bucket_batch_sizes | list<int>, размер пакета для каждой корзины. Длина должна быть len(bucket_boundaries) + 1. |
padded_shapes | Вложенная структура tf.TensorShape для передачи в tf.data.Dataset.padded_batch. Если не указано, будет использовано dataset.output_shapes, что приведёт к заполнению измерений переменной длины до максимальной длины в каждом пакете. |
padding_values | Значения для заполнения, передаваемые в tf.data.Dataset.padded_batch. По умолчанию заполнение осуществляется нулями. |
pad_to_bucket_boundary | Булево значение, если False, будут заполнены измерения неизвестного размера максимальной длиной в пакете. Если True, будут заполнены измерения неизвестного размера границей корзины минус 1 (т.е. максимальной длиной в каждой корзине), и вызывающий должен гарантировать, что исходный Dataset не содержит элементов с длиной, превышающей max(bucket_boundaries). |
no_padding | bool, указывает, нужно ли заполнять признаки пакета (признаки должны быть либо типа tf.sparse.SparseTensor, либо иметь одинаковую форму). |
drop_remainder | (Необязательно.) Скалярный tf.bool тензор tf.Tensor, представляющий, следует ли пропускать последний пакет в случае, если он содержит меньше 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
cache(
filename='', name=None
) -> 'DatasetV2'
Кэширует элементы в этом наборе данных.
В первый раз при итерировании по набору данных его элементы будут кэшированы либо в указанном файле, либо в памяти. При последующих итерированиях будет использоваться кэшированная информация.
Примечание: Для гарантии финализации кэша, входной набор данных должен быть проитерирован полностью, до возникновения исключения StopIteration. В противном случае последующие итерирования 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 первое итерирование по данным будет читать из файла кэша. Изменение входной цепочки данных перед вызовом .cache() не повлияет до тех пор, пока файл кэша не будет удалён 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:cacheбудет выдавать точно такие же элементы при каждом итерировании по набору данных. Если вы хотите случайный порядок итерирования, убедитесь, что вызываетеshuffle*после* вызоваcache.
| Аргументы | |
|---|---|
filename | Скалярный tf.string тензор tf.Tensor, представляющий имя каталога в файловой системе для кэширования элементов в этом наборе данных. Если имя файла не указано, набор данных будет кэширован в памяти. |
name | (Необязательно.) Имя операции tf.data. |
| Возвращаемое значение | |
|---|---|
Новый Dataset с применённым преобразованием, как описано выше. |
cardinality
cardinality()
Возвращает кардинальность 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, когда источник набора данных — это файл).
dataset = tf.data.Dataset.range(42) print(dataset.cardinality().numpy()) 42 dataset = dataset.repeat() cardinality = dataset.cardinality() print((cardinality == tf.data.INFINITE_CARDINALITY).numpy()) True dataset = dataset.filter(lambda x: True) cardinality = dataset.cardinality() print((cardinality == tf.data.UNKNOWN_CARDINALITY).numpy()) True
| Возвращаемое значение | |
|---|---|
Скалярный tf.int64 Tensor, представляющий кардинальность набора данных. Если кардинальность бесконечна или неизвестна, cardinality возвращает именованные константы tf.data.INFINITE_CARDINALITY и tf.data.UNKNOWN_CARDINALITY соответственно. |
choose_from_datasets
@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 | Набор данных 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 его в True. В противном случае выбранные элементы изначально соответствуют намерениям пользователя, но могут изменяться по мере того, как входные наборы данных становятся пустыми. Это может быть трудно обнаружить, поскольку набор данных изначально выглядит правильно. По умолчанию True. |
| Возвращаемое значение | |
|---|---|
Новый Dataset с применённым преобразованием, как описано выше. |
| Исключения | |
|---|---|
TypeError | Если datasets или choice_dataset имеют неправильный тип. |
ValueError | Если datasets пуст. |
concatenate
concatenate(
dataset, name=None
) -> 'DatasetV2'
Создаёт Dataset путём конкатенации заданного набора 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
@staticmethod
counter(
start=0,
step=1,
dtype=tf.dtypes.int64,
name=None
) -> 'DatasetV2'
Создаёт Dataset, который считает от start с шагом step.
В отличие от tf.data.Dataset.range, который останавливается на некотором конечном числе, tf.data.Dataset.counter производит элементы неограниченно.
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 счётчика. По умолчанию 1. |
dtype | (Необязательно.) Тип данных для элементов счётчика. По умолчанию tf.int64. |
name | (Необязательно.) Имя операции tf.data. |
| Возвращаемое значение | |
|---|---|
A Dataset элементов скаляров dtype. |
enumerate
enumerate(
start=0, name=None
) -> 'DatasetV2'
Перечисляет элементы этого набора данных.
Аналогично встроенной функции Python 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 | Скалярное tf.int64 значение типа tf.Tensor, представляющее начальное значение для нумерации. |
name | Необязательно. Имя операций tf.data, используемых enumerate. |
| Возвращаемое значение | |
|---|---|
Новый Dataset с применённой трансформацией, как описано выше. |
filter
filter(
predicate, name=None
) -> 'DatasetV2'
Фильтрует этот набор данных в соответствии с predicate.
dataset = tf.data.Dataset.from_tensor_slices([1, 2, 3]) dataset = dataset.filter(lambda x: x < 3) list(dataset.as_numpy_iterator()) [1, 2] # `tf.math.equal(x, y)` is required for equality comparison def filter_fn(x): return tf.math.equal(x, 1) dataset = dataset.filter(filter_fn) list(dataset.as_numpy_iterator()) [1]
| Аргументы | |
|---|---|
predicate | Функция, сопоставляющая элемент набора данных с булевым значением. |
name | (Необязательно.) Имя операции tf.data. |
| Возвращаемое значение | |
|---|---|
Новый Dataset с применённой трансформацией, как описано выше. |
filter_with_legacy_function
filter_with_legacy_function(
predicate
) -> 'DatasetV2'
Фильтрует этот набор данных в соответствии с predicate. (устарело)
Примечание: Это временное решение для существующего использованияfilter, которое не работает с функциями V2. Новый использование настоятельно не рекомендуется, и существующее следует мигрировать наfilter, так как этот метод будет удален в V2.
| Аргументы | |
|---|---|
predicate | Функция, сопоставляющая (вложенную) структуру тензоров (с формами и типами, определёнными self.output_shapes и self.output_types) со скалярным тензором tf.bool. |
| Возвращаемое значение | |
|---|---|
Dataset | Dataset, содержащий элементы этого набора данных, для которых predicate имеет значение True. |
fingerprint
fingerprint()
Вычисляет отпечаток пальца этого Dataset.
Если у двух наборов данных одинаковый отпечаток пальца, гарантируется, что они будут производить идентичные элементы, пока содержимое входных файлов не изменится и они производят данные детерминированно.
Однако два набора данных, производящие идентичные значения, не всегда означают, что у них будет одинаковый отпечаток пальца из-за разных конструкций графов.
Другими словами, если у двух наборов данных разные отпечатки пальцев, они могут всё ещё производить идентичные значения.
| Возвращаемое значение | |
|---|---|
Скалярный tf.Tensor типа tf.uint64. |
flat_map
flat_map(
map_func, name=None
) -> 'DatasetV2'
Применяет map_func к этому набору данных и сплющивает результат.
Тип подписи:
def flat_map( self: Dataset[T], map_func: Callable[[T], Dataset[S]] ) -> Dataset[S]
Используйте flat_map, если хотите убедиться, что порядок вашего набора данных останется прежним. 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, поскольку flat_map производит тот же вывод, что и tf.data.Dataset.interleave(cycle_length=1)
| Аргументы | |
|---|---|
map_func | Функция, сопоставляющая элемент набора данных с набором данных. |
name | (Необязательно.) Имя операции tf.data. |
| Возвращаемое значение | |
|---|---|
Новый Dataset с применённой трансформацией, как описано выше. |
from_generator
@staticmethod
from_generator(
generator,
output_types=None,
output_shapes=None,
args=None,
output_signature=None,
name=None
) -> 'DatasetV2'
Создаёт набор данных, чьи элементы генерируются generator. (устаревшие аргументы)
Примечание: Текущая реализацияDataset.from_generator()используетtf.numpy_functionи наследует те же ограничения. В частности, она требует, чтобы операции, связанные с набором данных и итератором, были размещены на устройстве в том же процессе, что и программа Python, которая вызвалаDataset.from_generator(). В частности, использованиеfrom_generatorлишит возможность использования службы tf.data для масштабирования обработки набора данных. Телоgeneratorне будет сериализовано вGraphDef, 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, функция-генератор).
Элементы, генерируемые generator, должны быть совместимы с указанным аргументом output_signature или с указанными аргументами output_types и (необязательно) output_shapes, в зависимости от того, что было указано.
Рекомендуемый способ вызова from_generator - использование аргумента output_signature. В этом случае вывод будет предполагаться состоящим из объектов с классами, формами и типами, определёнными объектами tf.TypeSpec из аргумента output_signature:
def gen():
ragged_tensor = tf.ragged.constant([[1, 2], [3]])
yield 42, ragged_tensor
dataset = tf.data.Dataset.from_generator(
gen,
output_signature=(
tf.TensorSpec(shape=(), dtype=tf.int32),
tf.RaggedTensorSpec(shape=(2, None), dtype=tf.int32)))
list(dataset.take(1))
[(<tf.Tensor: shape=(), dtype=int32, numpy=42>,
<tf.RaggedTensor [[1, 2], [3]]>)]Также существует устаревший способ вызова from_generator, либо с аргументом output_types в одиночку, либо вместе с аргументом output_shapes. В этом случае вывод функции будет предполагаться состоящим из объектов tf.Tensor с типами, определёнными output_types, и с формами, которые либо неизвестны, либо определены аргументом output_shapes.
Примечание: Еслиgeneratorзависит от изменяемых глобальных переменных или другого внешнего состояния, будьте внимательны, что во время выполненияgeneratorможет быть вызвано несколько раз (для поддержки повторенияDataset) и в любое время между вызовомDataset.from_generator()и производством первого элемента от генератора. Изменение глобальных переменных или внешнего состояния может привести к неопределённому поведению, и мы рекомендуем явным образом кешировать любое внешнее состояние вgeneratorперед вызовомDataset.from_generator().
Примечание: Хотя параметрoutput_signatureпозволяет получать элементыDataset, область действияDataset.from_generator()должна быть ограничена логикой, которую нельзя выразить с помощью операций tf.data. Использование операций tf.data внутри функции-генератора является антипаттерном и может привести к увеличению потребления памяти.
| Аргументы | |
|---|---|
generator | Объект вызываемого типа, который возвращает 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, полученного от generator. |
output_shapes | (Необязательно.) Структура (вложенная) объектов tf.TensorShape, соответствующих каждому компоненту элемента, полученного от generator. |
args | (Необязательно.) Кортеж объектов tf.Tensor, которые будут оценены и переданы в generator в качестве аргументов массивов NumPy. |
output_signature | (Необязательно.) Структура (вложенная) объектов tf.TypeSpec, соответствующих каждому компоненту элемента, полученного от generator. |
name | (Необязательно.) Имя операций tf.data, используемых from_generator. |
| Возвращаемое значение | |
|---|---|
Dataset | Объект Dataset. |
from_sparse_tensor_slices
@staticmethod
from_sparse_tensor_slices(
sparse_tensor
)
Разделяет каждый тензор ранга-N tf.sparse.SparseTensor в этой строке набора данных по строкам. (устарело)
| Аргументы | |
|---|---|
sparse_tensor | tf.sparse.SparseTensor. |
| Возвращаемое значение | |
|---|---|
Dataset | Dataset ранга (N-1) разреженных тензоров. |
from_tensor_slices
@staticmethod
from_tensor_slices(
tensors, name=None
) -> 'DatasetV2'
Создаёт Dataset, элементы которого являются срезами заданных тензоров.
Заданные тензоры нарезаются по своему первому измерению. Эта операция сохраняет структуру входных тензоров, удаляя первое измерение каждого тензора и используя его как размер набора данных. Все входные тензоры должны иметь одинаковый размер в своих первых измерениях.
# Slicing a 1D tensor produces scalar tensor elements. dataset = tf.data.Dataset.from_tensor_slices([1, 2, 3]) list(dataset.as_numpy_iterator()) [1, 2, 3]
# Slicing a 2D tensor produces 1D tensor elements. dataset = tf.data.Dataset.from_tensor_slices([[1, 2], [3, 4]]) list(dataset.as_numpy_iterator()) [array([1, 2], dtype=int32), array([3, 4], dtype=int32)]
# Slicing a tuple of 1D tensors produces tuple elements containing # scalar tensors. dataset = tf.data.Dataset.from_tensor_slices(([1, 2], [3, 4], [5, 6])) list(dataset.as_numpy_iterator()) [(1, 3, 5), (2, 4, 6)]
# Dictionary structure is also preserved.
dataset = tf.data.Dataset.from_tensor_slices({"a": [1, 2], "b": [3, 4]})
list(dataset.as_numpy_iterator()) == [{'a': 1, 'b': 3},
{'a': 2, 'b': 4}]
True# Two tensors can be combined into one Dataset object.
features = tf.constant([[1, 3], [2, 1], [3, 3]]) # ==> 3x2 tensor
labels = tf.constant(['A', 'B', 'A']) # ==> 3x1 tensor
dataset = Dataset.from_tensor_slices((features, labels))
# Both the features and the labels tensors can be converted
# to a Dataset object separately and combined after.
features_dataset = Dataset.from_tensor_slices(features)
labels_dataset = Dataset.from_tensor_slices(labels)
dataset = Dataset.zip((features_dataset, labels_dataset))
# A batched feature and label set can be converted to a Dataset
# in similar fashion.
batched_features = tf.constant([[[1, 3], [2, 3]],
[[2, 1], [1, 2]],
[[3, 3], [3, 2]]], shape=(3, 2, 2))
batched_labels = tf.constant([['A', 'A'],
['B', 'B'],
['A', 'B']], shape=(3, 2, 1))
dataset = Dataset.from_tensor_slices((batched_features, batched_labels))
for element in dataset.as_numpy_iterator():
print(element)
(array([[1, 3],
[2, 3]], dtype=int32), array([[b'A'],
[b'A']], dtype=object))
(array([[2, 1],
[1, 2]], dtype=int32), array([[b'B'],
[b'B']], dtype=object))
(array([[3, 3],
[3, 2]], dtype=int32), array([[b'A'],
[b'B']], dtype=object))Обратите внимание, что если tensors содержит массив NumPy, и выполнение в режиме eager отключено, значения будут встроены в граф как одна или несколько операций tf.constant. Для больших наборов данных (> 1 ГБ) это может привести к потере памяти и проблемам с ограничениями размера графа. Если tensors содержит один или несколько больших массивов NumPy, рассмотрите альтернативу, описанную в этом руководстве.
| Аргументы | |
|---|---|
tensors | Элемент набора данных, компоненты которого имеют одинаковое первое измерение. Поддерживаемые значения описаны здесь. |
name | (Необязательно.) Имя операции tf.data. |
| Возвращаемое значение | |
|---|---|
Dataset | Объект Dataset. |
from_tensors
@staticmethod
from_tensors(
tensors, name=None
) -> 'DatasetV2'
Создаёт Dataset с одним элементом, состоящим из заданных тензоров.
from_tensors создаёт набор данных, содержащий только один элемент. Для разбиения 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, и выполнение в режиме eager отключено, значения будут встроены в граф как одна или несколько операций tf.constant. Для больших наборов данных (> 1 ГБ) это может привести к потере памяти и проблемам с ограничениями размера графа. Если tensors содержит один или несколько больших массивов NumPy, рассмотрите альтернативу, описанную в этом руководстве.
| Аргументы | |
|---|---|
tensors | Элемент набора данных. Поддерживаемые значения описаны здесь. |
name | (Необязательно.) Имя операции tf.data. |
| Возвращаемое значение | |
|---|---|
Dataset | Объект Dataset. |
get_single_element
get_single_element(
name=None
)
Возвращает единственный элемент dataset.
Функция позволяет использовать tf.data.Dataset в бессостоятельном выражении «тензор-вход тензор-выход» без создания итератора. Это упрощает преобразование данных над тензорами с использованием оптимизированной абстракции tf.data.Dataset над ними.
Например, рассмотрим preprocessing_fn, который принимает на вход исходные признаки и возвращает обработанные признаки вместе с меткой.
def preprocessing_fn(raw_feature):
# ... the raw_feature is preprocessed as per the use-case
return feature
raw_features = ... # input batch of BATCH_SIZE elements.
dataset = (tf.data.Dataset.from_tensor_slices(raw_features)
.map(preprocessing_fn, num_parallel_calls=BATCH_SIZE)
.batch(BATCH_SIZE))
processed_features = dataset.get_single_element()
В приведенном выше примере тензор raw_features длиной BATCH_SIZE был преобразован в tf.data.Dataset. Затем каждый из raw_feature был преобразован с помощью preprocessing_fn, и обработанные признаки были сгруппированы в одну партию. Конечный dataset содержит только один элемент, который является партией всех обработанных признаков.
Примечание: dataset должен содержать только один элемент.
Теперь вместо создания итератора для dataset и получения партии признаков используется функция tf.data.get_single_element() для пропуска процесса создания итератора и прямого вывода партии признаков.
Это может быть особенно полезно, когда преобразования тензоров выражаются 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. |
| Возвращаемое значение | |
|---|---|
Вложенная структура объектов tf.Tensor, соответствующая единственному элементу dataset. |
| Исключения | |
|---|---|
InvalidArgumentError | (во время выполнения) если dataset не содержит ровно одного элемента. |
group_by_window
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 и тому же ключу. Все, кроме последнего окна для каждого ключа, будут содержать window_size_func(key) элементов; последнее окно может быть меньше.
Вы можете предоставить либо постоянный window_size, либо размер окна, определяемый ключом через window_size_func.
dataset = tf.data.Dataset.range(10)
window_size = 5
key_func = lambda x: x%2
reduce_func = lambda key, dataset: dataset.batch(window_size)
dataset = dataset.group_by_window(
key_func=key_func,
reduce_func=reduce_func,
window_size=window_size)
for elem in dataset.as_numpy_iterator():
print(elem)
[0 2 4 6 8]
[1 3 5 7 9]| Аргументы | |
|---|---|
key_func | Функция, сопоставляющая вложенную структуру тензоров (с формами и типами, определенными self.output_shapes и self.output_types) со скалярным тензором tf.int64. |
reduce_func | Функция, сопоставляющая ключ и набор до window_size последовательных элементов, соответствующих этому ключу, с другим набором данных. |
window_size | Скалярный тензор tf.Tensor типа tf.int64, представляющий количество последовательных элементов, соответствующих одному ключу, которые следует объединить в одну партию, которая будет передана в reduce_func. Взаимоисключающее с window_size_func. |
window_size_func | Функция, сопоставляющая ключ со скалярным тензором tf.Tensor типа tf.int64, представляющим количество последовательных элементов, соответствующих одному ключу, которые следует объединить в одну партию, которая будет передана в reduce_func. Взаимоисключающее с window_size. |
name | (Необязательно.) Имя операции tf.data. |
| Возвращает | |
|---|---|
Новый Dataset с применённой, как описано выше, трансформацией. |
| Исключения | |
|---|---|
ValueError | если ни один, или оба из {window_size, window_size_func} не были переданы. |
ignore_errors
ignore_errors(
log_warning=False, name=None
) -> 'DatasetV2'
Отбрасывает элементы, которые вызывают ошибки.
dataset = tf.data.Dataset.from_tensor_slices([1., 2., 0., 4.]) dataset = dataset.map(lambda x: tf.debugging.check_numerics(1. / x, "")) list(dataset.as_numpy_iterator()) Traceback (most recent call last): InvalidArgumentError: ... Tensor had Inf values dataset = dataset.ignore_errors() list(dataset.as_numpy_iterator()) [1.0, 0.5, 0.25]
| Аргументы | |
|---|---|
log_warning | (Необязательно.) Флаг, указывающий, нужно ли регистрировать игнорируемые ошибки в stderr. По умолчанию False. |
name | (Необязательно.) Строка, обозначающая имя операции tf.data. |
| Возвращает | |
|---|---|
Новый Dataset с применённой, как описано выше, трансформацией. |
interleave
interleave(
map_func,
cycle_length=None,
block_length=None,
num_parallel_calls=None,
deterministic=None,
name=None
) -> 'DatasetV2'
Применяет map_func ко всем элементам набора данных и переплетает результаты.
Тип сигнатуры:
def interleave( self: Dataset[T], map_func: Callable[[T], Dataset[S]] ) -> Dataset[S]
Например, можно использовать Dataset.interleave() для одновременной обработки нескольких 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 контролирует количество входных элементов, которые обрабатываются одновременно. Если установить cycle_length в 1, эта трансформация будет обрабатывать по одному элементу за раз, и даст аналогичные результаты tf.data.Dataset.flat_map. В общем случае, эта трансформация применит map_func к cycle_length входным элементам, откроет итераторы на возвращённых Dataset объектах, и будет циклически проходить по ним, генерируя block_length последовательных элементов из каждого итератора, и потребляя следующий входной элемент каждый раз, когда достигает конца итератора.
Например:
dataset = Dataset.range(1, 6) # ==> [ 1, 2, 3, 4, 5 ]
# NOTE: New lines indicate "block" boundaries.
dataset = dataset.interleave(
lambda x: Dataset.from_tensors(x).repeat(6),
cycle_length=2, block_length=4)
list(dataset.as_numpy_iterator())
[1, 1, 1, 1,
2, 2, 2, 2,
1, 1,
2, 2,
3, 3, 3, 3,
4, 4, 4, 4,
3, 3,
4, 4,
5, 5, 5, 5,
5, 5]Примечание: Порядок элементов, выдаваемых этой трансформацией, детерминирован, еслиmap_funcэто чистая функция иdeterministic=True. Еслиmap_funcсодержит какие-либо операция с состоянием, порядок доступа к этому состоянию не определён.
Производительность часто можно улучшить, установив num_parallel_calls, чтобы interleave использовал несколько потоков для извлечения элементов. Если детерминизм не требуется, производительность также можно улучшить, установив deterministic=False.
filenames = ["/var/data/file1.txt", "/var/data/file2.txt",
"/var/data/file3.txt", "/var/data/file4.txt"]
dataset = tf.data.Dataset.from_tensor_slices(filenames)
dataset = dataset.interleave(lambda x: tf.data.TFRecordDataset(x),
cycle_length=4, num_parallel_calls=tf.data.AUTOTUNE,
deterministic=False)| Аргументы | |
|---|---|
map_func | Функция, которая принимает элемент набора данных и возвращает набор данных tf.data.Dataset. |
cycle_length | (Необязательно.) Количество входных элементов, которые будут обрабатываться одновременно. Если не указано, tf.data runtime сам решает, что это должно быть, на основе доступных ЦП. Если num_parallel_calls установлено в tf.data.AUTOTUNE, аргумент cycle_length определяет максимальную степень параллелизма. |
block_length | (Необязательно.) Количество последовательных элементов, которые следует генерировать из каждого входного элемента перед переходом к другому входному элементу. Если не указано, по умолчанию равно 1. |
num_parallel_calls | (Необязательно.) Если указано, реализация создаёт пул потоков, который используется для асинхронного и параллельного извлечения входов из циклических элементов. По умолчанию входы из циклических элементов извлекаются синхронно без параллелизма. Если используется значение tf.data.AUTOTUNE, количество параллельных вызовов устанавливается динамически в зависимости от доступных ЦП. |
deterministic | (Необязательно.) Когда num_parallel_calls указано, если этот булев флаг указан (True или False), он управляет порядком, в котором трансформация генерирует элементы. Если установлено в False, трансформации разрешается выдавать элементы в неупорядоченном порядке, чтобы поменять детерминизм на производительность. Если не указано, поведение управляется опцией tf.data.Options.deterministic (True по умолчанию). |
name | (Необязательно.) Имя операции tf.data. |
| Возвращает | |
|---|---|
Новый Dataset с применённой, как описано выше, трансформацией. |
list_files
@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 быть небольшим количеством шаблонов glob. Если имена файлов уже были обработаны glob, используйте Dataset.from_tensor_slices(filenames) вместо этого, так как повторное применение list_files к каждому имени файла может привести к низкой производительности с удалёнными хранилищами.
Примечание: По умолчанию этот метод возвращает имена файлов в случайном неупорядоченном порядке. Передайтеseedилиshuffle=Falseдля получения результатов в определённом порядке.
| Пример | |
|---|---|
Если на нашем файловой системе есть следующие файлы:
Если мы передаём "/path/to/dir/*.py" как каталог, набор данных вернёт:
|
| Аргументы | |
|---|---|
file_pattern | Строка, список строк или тензор строкового типа (скалярный или векторный), представляющий шаблон(ы) имени файла glob (т.е. символ подстановки оболочки). |
shuffle | (Необязательно.) Если True, имена файлов будут перемешаны случайным образом. По умолчанию True. |
seed | (Необязательно.) Скалярный тензор типа tf.int64, представляющий случайное семя, которое будет использоваться для создания распределения. Смотрите tf.random.set_seed для поведения. |
name | Необязательно. Имя операций tf.data, используемых list_files. |
| Возвращает | |
|---|---|
Dataset | Набор данных строк, соответствующих именам файлов. |
load
@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 использовалась опция разделения сохранённого набора данных, порядок элементов сохранённого набора данных будет сохранён при его загрузке.
Аргумент reader_func можно использовать для указания пользовательского порядка, в котором элементы должны загружаться из отдельных фрагментов. reader_func ожидает один аргумент — набор данных наборов данных, каждый из которых содержит элементы одного из фрагментов, и возвращает 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 | Обязательно. Путь к ранее сохранённому набору данных. |
element_spec | Необязательно. Вложенная структура объектов tf.TypeSpec, соответствующая структуре элемента сохранённого набора данных, определяющая тип отдельных компонентов элемента. Если не указано, используется вложенная структура объектов tf.TypeSpec, сохранённая вместе с набором данных. Обратите внимание, что этот аргумент требуется в режиме графа. |
compression | Необязательно. Алгоритм для декомпрессии данных при чтении. Поддерживаются варианты GZIP и NONE. По умолчанию используется NONE. |
reader_func | Необязательно. Функция, контролирующая чтение данных из фрагментов. Если указана, функция будет отслеживаться и выполняться как вычисление графа. |
| Возвращаемое значение | |
|---|---|
Экземпляр tf.data.Dataset. |
| Исключения | |
|---|---|
FileNotFoundError | Если element_spec не указан и вложенная структура сохранённых объектов tf.TypeSpec не может быть найдена вместе с сохранённым набором данных. |
ValueError | Если element_spec не указан и метод выполняется в режиме графа. |
make_initializable_iterator
make_initializable_iterator(
shared_name=None
) -> tf.compat.v1.data.Iterator
Создаёт итератор для элементов этого набора данных. (устаревшее)
Примечание: Возвращаемый итератор будет в неинициализированном состоянии, и вам необходимо выполнить 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 те же устройства (например, при использовании удалённого сервера). |
| Возвращаемое значение | |
|---|---|
Итератор tf.data.Iterator для элементов этого набора данных. |
| Исключения | |
|---|---|
RuntimeError | Если включён eager режим выполнения. |
make_one_shot_iterator
make_one_shot_iterator() -> Union[iterator_ops.Iterator, iterator_ops.OwnedIterator]
Создаёт итератор для элементов этого набора данных. (устаревшее)
Примечание: Возвращаемый итератор будет инициализирован автоматически. 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 | |
|---|---|
tf.data.Iterator для элементов этого набора данных. |
map
map(
map_func, num_parallel_calls=None, deterministic=None, name=None
)
Применяет map_func к элементам этого набора данных.
Эта трансформация применяет map_func к каждому элементу этого набора данных и возвращает новый набор данных, содержащий преобразованные элементы в том же порядке, что и в исходном наборе. map_func можно использовать для изменения как значений, так и структуры элементов набора данных. Поддерживаемые структуры элементов описаны здесь.
Например, map можно использовать для добавления 1 к каждому элементу или для проектирования подмножества компонентов элементов.
dataset = Dataset.range(1, 6) # ==> [ 1, 2, 3, 4, 5 ] dataset = dataset.map(lambda x: x + 1) list(dataset.as_numpy_iterator()) [2, 3, 4, 5, 6]
Подпись ввода map_func определяется структурой каждого элемента в этом наборе данных.
dataset = Dataset.range(5) # `map_func` takes a single argument of type `tf.Tensor` with the same # shape and dtype. result = dataset.map(lambda x: x + 1)
# Each element is a tuple containing two `tf.Tensor` objects.
elements = [(1, "foo"), (2, "bar"), (3, "baz")]
dataset = tf.data.Dataset.from_generator(
lambda: elements, (tf.int32, tf.string))
# `map_func` takes two arguments of type `tf.Tensor`. This function
# projects out just the first component.
result = dataset.map(lambda x_int, y_str: x_int)
list(result.as_numpy_iterator())
[1, 2, 3]# Each element is a dictionary mapping strings to `tf.Tensor` objects.
elements = ([{"a": 1, "b": "foo"},
{"a": 2, "b": "bar"},
{"a": 3, "b": "baz"}])
dataset = tf.data.Dataset.from_generator(
lambda: elements, {"a": tf.int32, "b": tf.string})
# `map_func` takes a single argument of type `dict` with the same keys
# as the elements.
result = dataset.map(lambda d: str(d["a"]) + d["b"])Значение или значения, возвращаемые map_func, определяют структуру каждого элемента в возвращаемом наборе данных.
dataset = tf.data.Dataset.range(3) # `map_func` returns two `tf.Tensor` objects. def g(x): return tf.constant(37.0), tf.constant(["Foo", "Bar", "Baz"]) result = dataset.map(g) result.element_spec (TensorSpec(shape=(), dtype=tf.float32, name=None), TensorSpec(shape=(3,), dtype=tf.string, name=None)) # Python primitives, lists, and NumPy arrays are implicitly converted to # `tf.Tensor`. def h(x): return 37.0, ["Foo", "Bar"], np.array([1.0, 2.0], dtype=np.float64) result = dataset.map(h) result.element_spec (TensorSpec(shape=(), dtype=tf.float32, name=None), TensorSpec(shape=(2,), dtype=tf.string, name=None), TensorSpec(shape=(2,), dtype=tf.float64, name=None)) # `map_func` can return nested structures. def i(x): return (37.0, [42, 16]), "foo" result = dataset.map(i) result.element_spec ((TensorSpec(shape=(), dtype=tf.float32, name=None), TensorSpec(shape=(2,), dtype=tf.int32, name=None)), TensorSpec(shape=(), dtype=tf.string, name=None))
map_func может принимать в качестве аргументов и возвращать любой тип элемента набора данных.
Обратите внимание, что независимо от контекста, в котором определена map_func (eager или в графе), tf.data отслеживает функцию и выполняет её как вычисление графа. Чтобы использовать код Python внутри функции, у вас есть несколько вариантов:
1) Используйте AutoGraph для преобразования кода Python в эквивалентное вычисление графа. Недостатком этого подхода является то, что AutoGraph может преобразовать некоторые, но не весь Python-код.
2) Используйте tf.py_function, что позволяет писать произвольный Python-код, но обычно приводит к худшей производительности по сравнению с 1). Например:
d = tf.data.Dataset.from_tensor_slices(['hello', 'world'])
# transform a string tensor to upper case string using a Python function
def upper_case_fn(t: tf.Tensor):
return t.numpy().decode('utf-8').upper()
d = d.map(lambda x: tf.py_function(func=upper_case_fn,
inp=[x], Tout=tf.string))
list(d.as_numpy_iterator())
[b'HELLO', b'WORLD']3) Используйте tf.numpy_function, который также позволяет писать произвольный Python-код. Обратите внимание, что tf.py_function принимает tf.Tensor, а tf.numpy_function принимает массивы NumPy и возвращает только массивы NumPy. Например:
d = tf.data.Dataset.from_tensor_slices(['hello', 'world'])
def upper_case_fn(t: np.ndarray):
return t.decode('utf-8').upper()
d = d.map(lambda x: tf.numpy_function(func=upper_case_fn,
inp=[x], Tout=tf.string))
list(d.as_numpy_iterator())
[b'HELLO', b'WORLD']Обратите внимание, что использование tf.numpy_function и tf.py_function в целом исключает возможность параллельного выполнения пользовательских преобразований (из-за Python GIL).
Производительность часто можно улучшить, установив num_parallel_calls, чтобы map использовал несколько потоков для обработки элементов. Если порядок 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 этой трансформацией, детерминирован, если deterministic=True. Если map_func содержит операции с состоянием и num_parallel_calls > 1, порядок доступа к этому состоянию не определён, поэтому значения выходных элементов могут не быть детерминированными независимо от значения флага deterministic.
| Аргументы | |
|---|---|
map_func | Функция, отображающая элемент набора данных на другой элемент набора данных. |
num_parallel_calls | (Необязательно.) Скалярное целочисленное значение tf.Tensor tf.int64, представляющее количество элементов, которые будут обрабатываться асинхронно параллельно. Если не указано, элементы будут обрабатываться последовательно. Если используется значение tf.data.AUTOTUNE, то количество параллельных вызовов устанавливается динамически на основе доступных процессоров. |
deterministic | (Необязательно.) Когда num_parallel_calls указан, если этот boolean указан (True или False), он управляет порядком, в котором преобразование генерирует элементы. Если установлено значение False, преобразование допускается генерировать элементы вне порядка, чтобы обменять детерминированность на производительность. Если не указан, поведение контролируется опцией tf.data.Options.deterministic (по умолчанию True). |
name | (Необязательно.) Имя операции tf.data. |
| Возвращаемое значение | |
|---|---|
Новый Dataset с применённой трансформацией, как описано выше. |
map_with_legacy_function
map_with_legacy_function(
map_func, num_parallel_calls=None, deterministic=None
) -> 'DatasetV1Adapter'
Применяет функцию map_func к элементам этого набора данных. (устарело)
Примечание: Это временное решение для существующих случаев использованияmap, которые не работают с функциями V2. Новые случаи использования настоятельно не рекомендуются, и существующие случаи должны быть переведены наmap, так как этот метод будет удален в V2.
| Аргументы | |
|---|---|
map_func | Функция, отображающая (вложенную) структуру тензоров (с формами и типами, определёнными self.output_shapes и self.output_types) на другую (вложенную) структуру тензоров. |
num_parallel_calls | (Необязательно.) Скалярный tf.int32 tf.Tensor, представляющий количество элементов, которые будут обрабатываться асинхронно параллельно. Если не указано, элементы будут обрабатываться последовательно. Если используется значение tf.data.AUTOTUNE, то количество параллельных вызовов настраивается динамически в зависимости от доступных ЦП. |
deterministic | (Необязательно.) Когда num_parallel_calls указано, этот булевый параметр управляет порядком, в котором преобразование генерирует элементы. Если установлено значение False, преобразование разрешено генерировать элементы вне порядка, чтобы пожертвовать детерминизмом для повышения производительности. Если не указано, поведение контролируется опцией tf.data.Options.deterministic (True по умолчанию). |
| Возвращаемое значение | |
|---|---|
Dataset | Новый Dataset. |
options
options()
Возвращает параметры этого набора данных и его входных данных.
| Возвращаемое значение | |
|---|---|
Объект tf.data.Options, представляющий параметры набора данных. |
padded_batch
padded_batch(
batch_size,
padded_shapes=None,
padding_values=None,
drop_remainder=False,
name=None
) -> 'DatasetV2'
Объединяет последовательные элементы этого набора данных в упакованные пакеты.
Это преобразование объединяет несколько последовательных элементов входного набора данных в один элемент.
Как и в 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 значение True, чтобы предотвратить создание меньшего пакета.
В отличие от tf.data.Dataset.batch, входные элементы для объединения в пакеты могут иметь различные 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 элементе вывода:
- Если измерение является константой, компонент будет дополнен до этого размера в этом измерении.
- Если измерение неизвестно, компонент будет дополнен до максимальной длины всех элементов в этом измерении.
A = (tf.data.Dataset
.range(1, 5, output_type=tf.int32)
.map(lambda x: tf.fill([x], x)))
# Pad to the smallest per-batch size that fits all elements.
B = A.padded_batch(2)
for element in B.as_numpy_iterator():
print(element)
[[1 0]
[2 2]]
[[3 3 3 0]
[4 4 4 4]]
# Pad to a fixed size.
C = A.padded_batch(2, padded_shapes=5)
for element in C.as_numpy_iterator():
print(element)
[[1 0 0 0 0]
[2 2 0 0 0]]
[[3 3 3 0 0]
[4 4 4 4 0]]
# Pad with a custom value.
D = A.padded_batch(2, padded_shapes=5, padding_values=-1)
for element in D.as_numpy_iterator():
print(element)
[[ 1 -1 -1 -1 -1]
[ 2 2 -1 -1 -1]]
[[ 3 3 3 -1 -1]
[ 4 4 4 4 -1]]
# Components of nested elements can be padded independently.
elements = [([1, 2, 3], [10]),
([4, 5], [11, 12])]
dataset = tf.data.Dataset.from_generator(
lambda: iter(elements), (tf.int32, tf.int32))
# Pad the first component of the tuple to length 4, and the second
# component to the smallest size that fits.
dataset = dataset.padded_batch(2,
padded_shapes=([4], [None]),
padding_values=(-1, 100))
list(dataset.as_numpy_iterator())
[(array([[ 1, 2, 3, -1], [ 4, 5, -1, -1]], dtype=int32),
array([[ 10, 100], [ 11, 12]], dtype=int32))]
# Pad with a single value and multiple components.
E = tf.data.Dataset.zip((A, A)).padded_batch(2, padding_values=-1)
for element in E.as_numpy_iterator():
print(element)
(array([[ 1, -1],
[ 2, 2]], dtype=int32), array([[ 1, -1],
[ 2, 2]], dtype=int32))
(array([[ 3, 3, 3, -1],
[ 4, 4, 4, 4]], dtype=int32), array([[ 3, 3, 3, -1],
[ 4, 4, 4, 4]], dtype=int32))См. также tf.data.experimental.dense_to_sparse_batch, который объединяет элементы, которые могут иметь разные формы, в tf.sparse.SparseTensor.
| Аргументы | |
|---|---|
batch_size | Скалярный tf.int64 tf.Tensor, представляющий количество последовательных элементов этого набора данных, которые нужно объединить в один пакет. |
padded_shapes | (Необязательно.) (Вложенная) структура объектов tf.TensorShape или tf.int64 векторного типа, представляющие форму, до которой следует дополнять соответствующий компонент каждого входного элемента перед объединением в пакет. Любые неизвестные измерения будут дополнены до максимального размера этого измерения в каждом пакете. padded_shapes необходимо задать, если у какого-либо компонента неизвестен ранг. |
padding_values | (Необязательно.) (Вложенная) структура скалярных tf.Tensor, представляющая значения заполнения для соответствующих компонентов. None указывает, 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 ту же (вложенную) структуру, что и входной набор данных. Если padding_values представляет собой один элемент, а входной набор данных содержит несколько компонентов, то одно и то же padding_values будет использоваться для заполнения каждого компонента набора данных. Если padding_values — скаляр, то его значение будет распространено для соответствия форме каждого компонента. |
drop_remainder | (Необязательно.) Скалярный tf.bool tf.Tensor, представляющий, следует ли пропускать последний пакет в случае, если он содержит меньше 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. |
| Возможные исключения | |
|---|---|
ValueError | Если у компонента неизвестен ранг, а аргумент padded_shapes не задан. |
TypeError | Если компонент имеет неподдерживаемый тип. Список поддерживаемых типов описан в https://www.tensorflow.org/guide/data#dataset_structure |
prefetch
prefetch(
buffer_size, name=None
) -> 'DatasetV2'
Создаёт Dataset, который предварительно извлекает элементы из этого набора данных.
Большинство конвейеров входных данных набора данных должны заканчиваться вызовом prefetch. Это позволяет подготовить последующие элементы, пока текущий элемент обрабатывается. Это часто улучшает задержки и пропускную способность, за счёт использования дополнительной памяти для хранения предварительно извлечённых элементов.
Примечание: Как и другие методыDataset, префеч обрабатывает элементы входного набора данных. Он не понимает понятий "пример" против "пакетов".examples.prefetch(2)предварительно извлечёт два элемента (2 примера), аexamples.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 | Скалярный tf.int64 tf.Tensor, представляющий максимальное количество элементов, которые будут буферизованы при предварительном извлечении. Если используется значение tf.data.AUTOTUNE, размер буфера настраивается динамически. |
name | Необязательно. Имя преобразования tf.data. |
| Возвращаемое значение | |
|---|---|
Новый Dataset с применённым преобразованием, как описано выше. |
ragged_batch
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 в 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 значение True, чтобы предотвратить создание меньшего пакета.
В отличие от tf.data.Dataset.batch, входные элементы для объединения в пакеты могут иметь разные формы:
- Если элемент ввода является
tf.Tensor, у которого статическоеtf.TensorShapeполностью определено, то он пакетуется как обычно. - Если элемент ввода является
tf.Tensor, у которого статическоеtf.TensorShapeсодержит одну или несколько осей с неизвестным размером (т.е.shape[i]=None), то выход будет содержатьtf.RaggedTensor, который будет разрежен по любым из таких измерений. - Если элемент ввода является
tf.RaggedTensorили любым другим типом, то он пакетуется 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 | Скалярный tf.int64 tf.Tensor, представляющий количество последовательных элементов этого набора данных, объединяемых в одну партию. |
drop_remainder | (Необязательно.) Скалярный tf.bool tf.Tensor, представляющий, следует ли отбрасывать последнюю партию в случае, если она содержит меньше, чем batch_size элементов; по умолчанию более маленькая партия не отбрасывается. |
row_splits_dtype | Тип данных, который следует использовать для row_splits любых новых разреженных тензоров. У существующих элементов tf.RaggedTensor тип данных row_splits не изменяется. |
name | (Необязательно.) Строка, указывающая имя операции tf.data. |
| Возвращает | |
|---|---|
Новый Dataset с применённым преобразованием, как описано выше. |
random
@staticmethod
random(
seed=None, rerandomize_each_iteration=None, name=None
) -> 'DatasetV2'
Создаёт Dataset псевдослучайных значений.
Набор данных генерирует последовательность равномерно распределённых целочисленных значений.
rerandomize_each_iteration управляет тем, должна ли последовательность сгенерированных случайных чисел перегенерироваться для каждой эпохи. Значение по умолчанию — False, где набор данных генерирует 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 производит детерминированную последовательность значений. |
rerandomize_each_iteration | (Необязательно) Если установлено в False, набор данных генерирует ту же последовательность случайных чисел для каждой эпохи. Если установлено в True, он генерирует другую детерминированную последовательность случайных чисел для каждой эпохи. По умолчанию False, если не указано. |
name | (Необязательно.) Имя операции tf.data. |
| Возвращает | |
|---|---|
Dataset | Dataset. |
range
@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 | соответствует семантике 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 |
|
| Возвращает | |
|---|---|
Dataset | RangeDataset. |
| Исключения | |
|---|---|
ValueError | если len(args) == 0. |
rebatch
rebatch(
batch_size, drop_remainder=False, name=None
) -> 'DatasetV2'
Создаёт Dataset, который перегруппировывает 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 проходит по списку, чтобы определить размер каждой партии.
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 | tf.int64 скаляр или вектор, представляющий размер партий для вывода. Если этот аргумент является вектором, значения циклически проходятся в режиме round-robin. |
drop_remainder | (Необязательно.) tf.bool скалярный tf.Tensor, представляющий, следует ли отбрасывать последнюю партию в случае, если она содержит меньше, чем batch_size[cycle_index] элементов; по умолчанию более маленькая партия не отбрасывается. |
name | (Необязательно.) Имя операции tf.data. |
| Возвращает | |
|---|---|
Dataset скалярных dtype элементов. |
reduce
reduce(
initial_state, reduce_func, name=None
)
Уменьшает входной набор данных до одного элемента.
Преобразование вычисляет reduce_func последовательно для каждого элемента входного набора данных до исчерпания набора данных, агрегируя 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
| Аргументы | |
|---|---|
initial_state | Элемент, представляющий начальное состояние преобразования. |
reduce_func | Функция, отображающая (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. |
| Возвращает | |
|---|---|
| Элемент набора данных, соответствующий конечному состоянию преобразования. |
rejection_resample
rejection_resample(
class_func, target_dist, initial_dist=None, seed=None, name=None
) -> 'DatasetV2'
Перевыборка элементов для достижения целевого распределения.
Примечание: Эта реализация может отклонить или повторить элементы, чтобы достичьtarget_dist. Таким образом, в некоторых случаях выходнойDatasetможет быть больше, чем входнойDataset.
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 ≈ 0,6, а one ≈ 0,4.
target_dist = [0.5, 0.5] dataset = dataset.rejection_resample( class_func=lambda x: x, target_dist=target_dist, initial_dist=initial_dist) dataset = dataset.map(lambda class_func_result, data: data) zero, one = np.bincount(list(dataset.as_numpy_iterator())) / n
Следуя из target_dist, zero ≈ 0,5, а one ≈ 0,5.
| Аргументы | |
|---|---|
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 предоставлено, истинное распределение классов оценивается в режиме потока. |
seed | (Необязательно.) Целочисленный псевдослучайный seed для перевыборки. |
name | (Необязательно.) Имя операции tf.data. |
| Возвращает | |
|---|---|
Новый Dataset с применённым преобразованием, как описано выше. |
repeat
repeat(
count=None, name=None
) -> 'DatasetV2'
Повторяет этот набор данных, чтобы каждый исходный элемент отображался count раз.
dataset = tf.data.Dataset.from_tensor_slices([1, 2, 3]) dataset = dataset.repeat(3) list(dataset.as_numpy_iterator()) [1, 2, 3, 1, 2, 3, 1, 2, 3]
Примечание: Если входной набор данных зависит от глобального состояния (например, генератора случайных чисел) или его вывод не является детерминированным (например, из-за предшествующих shuffle), то разные повторения могут генерировать разные элементы.
| Аргументы | |
|---|---|
count | (Необязательно.) Скалярный тензор типа tf.int64, представляющий число повторений набора данных. По умолчанию (если count равно None или -1) набор данных повторяется бесконечно. |
name | (Необязательно.) Имя операции tf.data. |
| Возвращаемое значение | |
|---|---|
Новый Dataset с применённым преобразованием, как описано выше. |
sample_from_datasets
@staticmethod
sample_from_datasets(
datasets,
weights=None,
seed=None,
stop_on_empty_dataset=False,
rerandomize_each_iteration=None
) -> 'DatasetV2'
Выбирает элементы случайным образом из наборов данных в datasets.
Создаёт набор данных, чередуя элементы из datasets с вероятностью weight[i] выбора элемента из набора данных i. Выборка происходит без повторений. 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 с такими весами:
sample_dataset = tf.data.Dataset.sample_from_datasets(
[dataset1, dataset2], weights=[0.5, 0.5])
Один из возможных результатов элементов в sample_dataset:
print(list(sample_dataset.as_numpy_iterator())) # [100, 0, 1, 101, 2, 102]
| Аргументы | |
|---|---|
datasets | Непустой список объектов tf.data.Dataset с совместимой структурой. |
weights | (Необязательно.) Список или тензор len(datasets) значений с плавающей точкой, где weights[i] представляет вероятность выбора из datasets[i], или объект tf.data.Dataset, каждый элемент которого является таким списком. По умолчанию используется равномерное распределение по datasets. |
seed | (Необязательно.) Скалярный тензор типа tf.int64, представляющий случайное зерно, которое будет использовано для создания распределения. См. tf.random.set_seed для поведения. |
stop_on_empty_dataset | Если True, выбор останавливается, если встречается пустой набор данных. Если False, выбор продолжается и пропускаются любые пустые наборы данных. Рекомендуется установить в значение True. В противном случае, распределение выборок может изменяться по мере того, как входные наборы данных становятся пустыми. Это может быть сложно обнаружить, так как набор данных выглядит правильным изначально. По умолчанию значение устанавливается в False для совместимости со старыми версиями. |
rerandomize_each_iteration | Необязательный bool. Логическое значение управляет тем, будет ли последовательность случайных чисел, используемых для определения набора данных для выбора, пересчитываться каждый эпох. То есть, определяет, будут ли наборы данных выбираться в том же порядке в разных эпохах (по умолчанию) или нет. |
| Возвращаемое значение | |
|---|---|
Набор данных, который чередует элементы из datasets случайным образом, в соответствии с weights, если предоставлено, иначе с равномерной вероятностью. |
| Исключения | |
|---|---|
TypeError | Если аргументы datasets или weights имеют неправильный тип. |
ValueError |
|
save
save(
path, compression=None, shard_func=None, checkpoint_args=None
)
Сохраняет содержимое заданного набора данных.
Пример использования:
import tempfile path = os.path.join(tempfile.gettempdir(), "saved_data") # Save a dataset dataset = tf.data.Dataset.range(2) dataset.save(path) new_dataset = tf.data.Dataset.load(path) for elem in new_dataset: print(elem) tf.Tensor(0, shape=(), dtype=int64) tf.Tensor(1, shape=(), dtype=int64)
Сохранённый набор данных сохраняется в нескольких файлах «фрагментах». По умолчанию вывод набора данных делится на фрагменты по кругу, но пользователь может указать пользовательскую разбивку на фрагменты с помощью функции shard_func. Например, вы можете сохранить набор данных, используя один фрагмент следующим образом:
dataset = make_dataset()
def custom_shard_func(element):
return np.int64(0)
dataset.save(
path="/path/to/data", ..., shard_func=custom_shard_func)
Для включения сохранения контрольных точек передайте checkpoint_args в метод save следующим образом:
dataset = tf.data.Dataset.range(100)
save_dir = "..."
checkpoint_prefix = "..."
step_counter = tf.Variable(0, trainable=False)
checkpoint_args = {
"checkpoint_interval": 50,
"step_counter": step_counter,
"directory": checkpoint_prefix,
"max_to_keep": 20,
}
dataset.save(dataset, save_dir, checkpoint_args=checkpoint_args)
Примечание: Структура каталога и формат файлов, используемые для сохранения набора данных, считаются деталями реализации и могут измениться. По этой причине наборы данных, сохранённые с помощьюtf.data.Dataset.save, должны потребляться только с помощьюtf.data.Dataset.load, который гарантирует обратную совместимость.
| Аргументы | |
|---|---|
path | Требуется. 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 отображением элементов набора данных на фрагменты файлов. Функция должна сопоставлять элементы входного набора данных с целочисленными идентификаторами фрагментов. Если присутствует, функция будет отслеживаться и выполняться как вычисление графа. |
checkpoint_args | Необязательные аргументы для сохранения контрольных точек, которые будут переданы в tf.train.CheckpointManager. Если checkpoint_args не указаны, сохранение контрольных точек не будет выполнено. Реализация save() создаёт объект tf.train.Checkpoint внутри, поэтому пользователи не должны устанавливать аргумент checkpoint в checkpoint_args. |
| Возвращаемое значение | |
|---|---|
| Операция, которая, при выполнении, выполняет сохранение. При записи контрольных точек возвращает None. Возвращаемое значение полезно в модульных тестах. |
| Исключения | |
|---|---|
ValueError, если checkpoint передаётся в checkpoint_args. |
scan
scan(
initial_state, scan_func, name=None
) -> 'DatasetV2'
Преобразование, которое сканирует функцию по входному набору данных.
Это состоятельное преобразование, аналогичное tf.data.Dataset.map. Помимо отображения scan_func по элементам входного набора данных, scan() накапливает один или несколько тензоров состояния, начальные значения которых initial_state.
dataset = tf.data.Dataset.range(10) initial_state = tf.constant(0, dtype=tf.int64) scan_func = lambda state, i: (state + i, state + i) dataset = dataset.scan(initial_state=initial_state, scan_func=scan_func) list(dataset.as_numpy_iterator()) [0, 1, 3, 6, 10, 15, 21, 28, 36, 45]
| Аргументы | |
|---|---|
initial_state | Вложенная структура тензоров, представляющая начальное состояние аккумулятора. |
scan_func | Функция, отображающая (old_state, input_element) на (new_state, output_element). Она должна принимать два аргумента и возвращать пару вложенных структур тензоров. Структура new_state должна соответствовать структуре initial_state. |
name | (Необязательно.) Имя операции tf.data. |
| Возвращаемое значение | |
|---|---|
Новый Dataset с применённым преобразованием, как описано выше. |
shard
shard(
num_shards, index, name=None
) -> 'DatasetV2'
Создаёт набор данных, содержащий только 1/num_shards этого набора данных.
shard детерминировано. Набор данных, полученный с помощью A.shard(n, i), будет содержать все элементы A, индекс которых mod n = i.
A = tf.data.Dataset.range(10) B = A.shard(num_shards=3, index=0) list(B.as_numpy_iterator()) [0, 3, 6, 9] C = A.shard(num_shards=3, index=1) list(C.as_numpy_iterator()) [1, 4, 7] D = A.shard(num_shards=3, index=2) list(D.as_numpy_iterator()) [2, 5, 8]
Этот оператор набора данных очень полезен при распределённом обучении, поскольку позволяет каждому рабочему процессу читать уникальный подмножество.
При чтении одного входного файла вы можете разбить элементы на фрагменты следующим образом:
d = tf.data.TFRecordDataset(input_file) d = d.shard(num_workers, worker_index) d = d.repeat(num_epochs) d = d.shuffle(shuffle_buffer_size) d = d.map(parser_fn, num_parallel_calls=num_map_threads)
Важные замечания:
- Убедитесь, что вы разбили на фрагменты до использования любого случайного оператора (например, shuffle).
- В целом, лучше, если оператор фрагментации используется на ранней стадии конвейера набора данных. Например, при чтении из набора файлов TFRecord, разделите на фрагменты перед преобразованием набора данных в входные образцы. Это предотвращает чтение каждого файла каждым рабочим процессом. Следующее — пример эффективной стратегии фрагментации 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 | Скалярное значение типа tf.int64, представляющее число фрагментов, работающих параллельно. |
index | Скалярное значение типа tf.int64, представляющее индекс рабочего процесса. |
name | (Необязательно.) Имя операции tf.data. |
| Возвращаемое значение | |
|---|---|
Новый Dataset с применённым преобразованием, как описано выше. |
| Исключения | |
|---|---|
InvalidArgumentError | если num_shards или index имеют недопустимые значения. Примечание: Проверка ошибок выполняется с наилучшим результатом, и ошибки не гарантируются при создании набора данных. (например, предоставление тензора-заполнителя обходит раннюю проверку и вместо этого приведет к ошибке во время вызова session.run.) |
shuffle
shuffle(
buffer_size, seed=None, reshuffle_each_iteration=None, name=None
) -> 'DatasetV2'
Случайно перемешивает элементы этого набора данных.
Этот набор данных заполняет буфер buffer_size элементами, затем случайно выбирает элементы из этого буфера, заменяя выбранные элементы новыми элементами. Для идеального перемешивания требуется размер буфера, равный или больший, чем полный размер набора данных.
Например, если ваш набор данных содержит 10 000 элементов, а buffer_size установлено в 1000, то shuffle сначала 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 размером 1000 элементов.
reshuffle_each_iteration определяет, должен ли порядок перемешивания отличаться для каждой эпохи. В TF 1.X стандартным способом создания эпох было использование преобразования repeat:
dataset = tf.data.Dataset.range(3) dataset = dataset.shuffle(3, reshuffle_each_iteration=True) dataset = dataset.repeat(2) # [1, 0, 2, 1, 2, 0] dataset = tf.data.Dataset.range(3) dataset = dataset.shuffle(3, reshuffle_each_iteration=False) dataset = dataset.repeat(2) # [1, 0, 2, 1, 0, 2]
В TF 2.0 объекты tf.data.Dataset являются итерируемыми объектами Python, что позволяет создавать эпохи также с помощью итерации по Python:
dataset = tf.data.Dataset.range(3) dataset = dataset.shuffle(3, reshuffle_each_iteration=True) list(dataset.as_numpy_iterator()) # [1, 0, 2] list(dataset.as_numpy_iterator()) # [1, 2, 0]
dataset = tf.data.Dataset.range(3) dataset = dataset.shuffle(3, reshuffle_each_iteration=False) list(dataset.as_numpy_iterator()) # [1, 0, 2] list(dataset.as_numpy_iterator()) # [1, 0, 2]
Полное перемешивание всех данных
Чтобы перемешать весь набор данных, установите buffer_size=dataset.cardinality(). Это эквивалентно установке buffer_size равной количеству элементов в наборе данных, что приводит к равномерному перемешиванию.
Примечание: shuffle(dataset.cardinality()) загружает весь набор данных в память, чтобы его можно было перемешать. Это может вызвать ошибку переполнения памяти (OOM), если набор данных слишком большой, поэтому полное перемешивание следует использовать только для наборов данных, которые известны как помещающиеся в память, например, для наборов данных с именами 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 | Скалярное значение типа tf.int64, представляющее количество элементов из этого набора данных, из которых новый набор данных будет выбирать элементы. Для равномерного перемешивания всего набора данных используйте buffer_size=dataset.cardinality(). |
seed | (Необязательно.) Скалярное значение типа tf.int64, представляющее случайное семя, которое будет использоваться для создания распределения. См. tf.random.set_seed для получения информации о поведении. |
reshuffle_each_iteration | (Необязательно.) Логическое значение, которое, если истинно, указывает, что набор данных должен быть псевдослучайно перемешан каждый раз при итерации по нему. (По умолчанию True.) |
name | (Необязательно.) Имя операции tf.data. |
| Возвращаемое значение | |
|---|---|
Новый Dataset с применённым преобразованием, как описано выше. |
skip
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 | Скалярное значение типа tf.int64, представляющее количество элементов этого набора данных, которые должны быть пропущены для формирования нового набора 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. |
| Возвращаемое значение | |
|---|---|
Новый Dataset с применённым преобразованием, как описано выше. |
snapshot
snapshot(
path,
compression='AUTO',
reader_func=None,
shard_func=None,
name=None
) -> 'DatasetV2'
API для сохранения выходных данных входного набора данных.
API snapshot позволяет пользователям прозрачно сохранять выходные данные своей предварительной обработки на диск и материализовать предварительно обработанные данные в другой обучающей сессии.
Этот API позволяет объединить повторяющиеся шаги предварительной обработки и позволяет повторно использовать уже обработанные данные, жертвуя хранением на диске и пропускной способностью сети для высвобождения больше ценных ресурсов ЦП и вычислительной мощности ускорителя.
https://github.com/tensorflow/community/blob/master/rfcs/20200107-tf-data-snapshot.md содержит подробную документацию по проектированию этой функции.
Пользователи могут указывать различные параметры для управления поведением snapshot, включая то, как считывать и записывать снимки, передавая пользовательские функции параметрам reader_func и shard_func.
shard_func — это заданная пользователем функция, которая сопоставляет элементы входных данных с фрагментами снимка.
Пользователи могут захотеть указать эту функцию для управления тем, как файлы снимков записываются на диск. Ниже приведен пример того, как можно написать потенциальную 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 заданная пользователем функция, которая принимает один аргумент: (1) набор данных наборов данных, каждый из которых представляет «разбиение» элементов исходного набора данных. Мощность входного набора данных соответствует числу фрагментов, указанных в shard_func (см. выше). Функция должна возвращать набор данных элементов исходного набора данных.
Пользователи могут захотеть указать эту функцию для управления тем, как файлы снимков считываются с диска, включая количество перемешивания и параллелизма.
Вот пример стандартной функции чтения, которую может определить пользователь. Эта функция позволяет одновременно перемешивать наборы данных и параллельно считывать наборы данных:
def user_reader_func(datasets):
# shuffle the datasets splits
datasets = datasets.shuffle(NUM_CORES)
# read datasets in parallel and interleave their elements
return datasets.interleave(lambda x: x, num_parallel_calls=AUTOTUNE)
dataset = dataset.snapshot("/path/to/snapshot/dir",
reader_func=user_reader_func)
По умолчанию snapshot параллелизует чтение по количеству доступных ядер на системе, но не будет пытаться перемешать данные.
| Аргументы | |
|---|---|
path | Обязательный. Каталог для хранения/загрузки снимка. |
compression | Необязательный. Тип сжатия, применяемый к снимку, записанному на диск. Доступные варианты: GZIP, SNAPPY, AUTO или None. По умолчанию AUTO, что пытается выбрать соответствующий алгоритм сжатия для набора данных. |
reader_func | Необязательный. Функция для управления чтением данных из фрагментов снимка. |
shard_func | Необязательный. Функция для управления фрагментацией данных при записи снимка. |
name | (Необязательно.) Имя операции tf.data. |
| Возвращаемое значение | |
|---|---|
Новый Dataset с применённым преобразованием, как описано выше. |
sparse_batch
sparse_batch(
batch_size, row_shape, name=None
) -> 'DatasetV2'
Объединяет последовательные элементы в tf.sparse.SparseTensor.
Как и Dataset.padded_batch(), это преобразование объединяет несколько последовательных элементов набора данных, которые могут иметь разные формы, в один элемент. Результирующий элемент имеет три компонента (indices, values и dense_shape), которые образуют tf.sparse.SparseTensor, представляющий те же данные. row_shape представляет плотную форму каждой строки в результирующем tf.sparse.SparseTensor, к которой добавляется эффективный размер пакета. Например:
# NOTE: The following examples use `{ ... }` to represent the
# contents of a dataset.
a = { ['a', 'b', 'c'], ['a', 'b'], ['a', 'b', 'c', 'd'] }
a.apply(tf.data.experimental.dense_to_sparse_batch(
batch_size=2, row_shape=[6])) ==
{
([[0, 0], [0, 1], [0, 2], [1, 0], [1, 1]], # indices
['a', 'b', 'c', 'a', 'b'], # values
[2, 6]), # dense_shape
([[0, 0], [0, 1], [0, 2], [0, 3]],
['a', 'b', 'c', 'd'],
[1, 6])
}
| Args | |
|---|---|
batch_size | A tf.int64 scalar tf.Tensor, representing the number of consecutive elements of this dataset to combine in a single batch. |
row_shape | A tf.TensorShape or tf.int64 vector tensor-like object representing the equivalent dense shape of a row in the resulting tf.sparse.SparseTensor. Each element of this dataset must have the same rank as row_shape, and must have size less than or equal to row_shape in each dimension. |
name | (Optional.) A string indicating a name for the tf.data operation. |
| Returns | |
|---|---|
A new Dataset with the transformation applied as described above. |
data-text="take" id="take" tabindex="-1">take
take(
count, name=None
) -> 'DatasetV2'
Creates a Dataset with at most count elements from this dataset.
dataset = tf.data.Dataset.range(10) dataset = dataset.take(3) list(dataset.as_numpy_iterator()) [0, 1, 2]
| Args | |
|---|---|
count | A tf.int64 scalar tf.Tensor, representing the number of elements of this dataset that should be taken to form the new dataset. If count is -1, or if count is greater than the size of this dataset, the new dataset will contain all elements of this dataset. |
name | (Optional.) A name for the tf.data operation. |
| Returns | |
|---|---|
A new Dataset with the transformation applied as described above. |
data-text="take_while" id="take_while" tabindex="-1">take_while
take_while(
predicate, name=None
) -> 'DatasetV2'
A transformation that stops dataset iteration based on a predicate.
dataset = tf.data.Dataset.range(10) dataset = dataset.take_while(lambda x: x < 5) list(dataset.as_numpy_iterator()) [0, 1, 2, 3, 4]
| Args | |
|---|---|
predicate | A function that maps a nested structure of tensors (having shapes and types defined by self.output_shapes and self.output_types) to a scalar tf.bool tensor. |
name | (Optional.) A name for the tf.data operation. |
| Returns | |
|---|---|
A new Dataset with the transformation applied as described above. |
data-text="unbatch" id="unbatch" tabindex="-1">unbatch
unbatch(
name=None
) -> 'DatasetV2'
Splits elements of a dataset into multiple elements.
For example, if elements of the dataset are shaped [B, a0, a1, ...], where B may vary for each input element, then for each element in the dataset, the unbatched dataset will contain B consecutive elements of shape [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]
Note:unbatchrequires a data copy to slice up the batched tensor into smaller, unbatched tensors. When optimizing performance, try to avoid unnecessary usage ofunbatch.
| Args | |
|---|---|
name | (Optional.) A name for the tf.data operation. |
| Returns | |
|---|---|
A new Dataset with the transformation applied as described above. |
data-text="unique" id="unique" tabindex="-1">unique
unique(
name=None
) -> 'DatasetV2'
A transformation that discards duplicate elements of a Dataset.
Use this transformation to produce a dataset that contains one instance of each unique element in the input. For example:
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]
Note: This transformation only supports datasets which fit into memory and have elements of eithertf.int32,tf.int64ortf.stringtype.
| Args | |
|---|---|
name | (Optional.) A name for the tf.data operation. |
| Returns | |
|---|---|
A new Dataset with the transformation applied as described above. |
data-text="window" id="window" tabindex="-1">window
window(
size, shift=None, stride=1, drop_remainder=False, name=None
) -> 'DatasetV2'
Returns a dataset of "windows".
Each "window" is a dataset that contains a subset of elements of the input dataset. These are finite datasets of size size (or possibly fewer if there are not enough input elements to fill the window and drop_remainder evaluates to False).
data-text="For example:" id="for_example_2" tabindex="-1">For example:
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)>
Since windows are datasets, they can be iterated over:
for window in dataset: print(list(window.as_numpy_iterator())) [0, 1, 2] [3, 4, 5] [6]
data-text="Shift" id="shift" tabindex="-1">Shift
The shift argument determines the number of input elements to shift between the start of each window. If windows and elements are both numbered starting at 0, the first element in window k will be element k * shift of the input dataset. In particular, the first element of the first window will always be the first element of the input dataset.
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]data-text="Stride" id="stride" tabindex="-1">Stride
The stride argument determines the stride between input elements within a window.
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]data-text="Nested elements" id="nested_elements" tabindex="-1">Вложенные элементы
When the window transformation is applied to a dataset whos elements are nested structures, it produces a dataset where the elements have the same nested structure but each leaf is replaced by a window. In other words, the nesting is applied outside of the windows as opposed inside of them.
data-text="The type signature is:" id="the_type_signature_is_3" tabindex="-1">Тип сигнатуры:
def window(
self: Dataset[Nest[T]], ...
) -> Dataset[Nest[Dataset[T]]]
Applying window to a Dataset of tuples gives a tuple of windows:
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]
Applying window to a Dataset of dictionaries gives a dictionary of 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]}data-text="Flatten a dataset of windows" id="flatten_a_dataset_of_windows" tabindex="-1">Разворачивание набора окон
The Dataset.flat_map and Dataset.interleave methods can be used to flatten a dataset of windows into a single dataset.
The argument to flat_map is a function that takes an element from the dataset and returns a Dataset. flat_map chains together the resulting datasets sequentially.
For example, to turn each window into a dense tensor:
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]| Args | |
|---|---|
size | A tf.int64 scalar tf.Tensor, representing the number of elements of the input dataset to combine into a window. Must be positive. |
shift | (Optional.) A tf.int64 scalar tf.Tensor, representing the number of input elements by which the window moves in each iteration. Defaults to size. Must be positive. |
stride | (Optional.) A tf.int64 scalar tf.Tensor, representing the stride of the input elements in the sliding window. Must be positive. The default value of 1 means "retain every input element". |
drop_remainder | (Optional.) A tf.bool scalar tf.Tensor, representing whether the last windows should be dropped if their size is smaller than size. |
name | (Optional.) A name for the tf.data operation. |
| Возвращаемое значение | |
|---|---|
Новый Dataset с применённым преобразованием, как описано выше. |
with_options
with_options(
options, name=None
) -> 'DatasetV2'
Возвращает новый tf.data.Dataset с заданными параметрами.
Параметры являются «глобальными» 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 значений по умолчанию.
ds = tf.data.Dataset.range(5)
ds = ds.interleave(lambda x: tf.data.Dataset.range(5),
cycle_length=3,
num_parallel_calls=3)
options = tf.data.Options()
# This will make the interleave order non-deterministic.
options.deterministic = False
ds = ds.with_options(options)| Аргументы | |
|---|---|
options | tf.data.Options, определяющий используемые параметры. |
name | (Необязательно.) Имя операции tf.data. |
| Возвращаемое значение | |
|---|---|
Новый Dataset с применённым преобразованием, как описано выше. |
| Исключения | |
|---|---|
ValueError | при установке параметра более одного раза с нестандартным значением |
zip
@staticmethod
zip(
*args, datasets=None, name=None
) -> 'DatasetV2'
Создаёт Dataset путём объединения заданных наборов данных.
Этот метод имеет аналогичную семантику встроенной функции zip() в Python, с основным отличием, что аргумент datasets может быть (вложенной) структурой объектов Dataset. Поддерживаемые механизмы вложенности 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 задан, если установлен datasets. |
datasets | (Вложенная) структура наборов данных. Не может быть задан, если установлен *args. Отметим, что это существует только для обратной совместимости, и предпочтительно использовать *args. |
name | (Необязательно.) Имя операции tf.data. |
| Возвращаемое значение | |
|---|---|
Новый Dataset с применённым преобразованием, как описано выше. |
__bool__
__bool__()
__iter__
__iter__()
Создаёт итератор для элементов данного набора данных.
Возвращаемый итератор реализует протокол Python Iterator.
| Возвращаемое значение | |
|---|---|
tf.data.Iterator для элементов этого набора данных. |
| Исключения | |
|---|---|
RuntimeError | Если не внутри tf.function и не выполняется в режиме eager. |
__len__
__len__()
Возвращает длину набора данных, если она известна и конечна.
Этот метод требует, чтобы вы работали в режиме eager, и что длина набора данных известна и не бесконечна. Когда длина может быть неизвестной или бесконечной, или если вы работаете в режиме графа, используйте tf.data.Dataset.cardinality вместо этого.
| Возвращаемое значение | |
|---|---|
| Целое число, представляющее длину набора данных. |
| Исключения | |
|---|---|
RuntimeError | Если длина набора данных неизвестна или бесконечна, или если режим eager не включён. |
__nonzero__
__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/RandomDataset