tf.compat.v1.data.experimental.sample_from_datasets

Случайный выбор элементов из наборов данных в datasets. (устарело)

tf.compat.v1.data.experimental.sample_from_datasets(
    datasets, weights=None, seed=None, stop_on_empty_dataset=False
)

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

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

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

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

Один из возможных результатов элементов в sample_dataset:

print(list(sample_dataset.as_numpy_iterator()))
# [100, 0, 1, 101, 2, 102]

Аргументы
`datasets`	Непустой список объектов `tf.data.Dataset` с совместимой структурой.
`weights`	(Необязательно.) Список или тензор `len(datasets)` с плавающей точкой, где `weights[i]` представляет вероятность выборки из `datasets[i]`, или объект `tf.data.Dataset`, где каждый элемент — такой список. По умолчанию — равномерное распределение по `datasets`.
`seed`	(Необязательно.) Скалярный `tf.int64` `tf.Tensor`, представляющий псевдослучайное семя, которое будет использовано для создания распределения. См. `tf.random.set_seed` для поведения.
`stop_on_empty_dataset`	Если `True`, выборка прекращается, если встречается пустой набор данных. Если `False`, пустые наборы данных пропускаются. Рекомендуется установить в `True`. В противном случае распределение выборок изначально соответствует намерениям пользователя, но может изменяться по мере появления пустых наборов данных. Это может быть трудно обнаружить, так как набор данных первоначально выглядит правильно. По умолчанию — `False` для обратной совместимости.

Возвращаемое значение
Набор данных, в котором элементы из `datasets` чередуются случайным образом, в соответствии с `weights`, если указано, иначе с равномерной вероятностью.

Исключения
`TypeError`	Если аргументы `datasets` или `weights` имеют неправильный тип.
`ValueError`	Если `datasets` пустой, или Если `weights` указан и не соответствует длине `datasets`.

© 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/sample_from_datasets