Spec-Zone.ru › TensorFlow

tf.compat.v1.data.experimental.SqlDataset

A набор результатов, полученных в результате выполнения SQL-запроса.

Наследуется от: Dataset, Dataset

tf.compat.v1.data.experimental.SqlDataset(
    driver_name, data_source_name, query, output_types
)
Аргументы
driver_name 0-мерный тензор tf.string содержащий тип базы данных. В настоящее время поддерживается только значение 'sqlite'.
data_source_name 0-мерный тензор tf.string содержащий строку подключения к базе данных.
query 0-мерный тензор tf.string содержащий SQL-запрос для выполнения.
output_types Кортеж объектов tf.DType, представляющих типы столбцов, возвращаемых query.
Атрибуты
element_spec Спецификация типа элемента этого набора данных.
dataset = tf.data.Dataset.from_tensor_slices([1, 2, 3])
dataset.element_spec
TensorSpec(shape=(), dtype=tf.int32, name=None)

Для получения дополнительной информации, ознакомьтесь с этим руководством.

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

Методы

apply

Просмотреть исходный код

apply(
    transformation_func
) -> 'DatasetV2'

Применяет функцию преобразования к этому набору данных.

apply позволяет объединять пользовательские Dataset преобразования, 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.
Возвращает
Новый Dataset с примененным преобразованием, как описано выше.

as_numpy_iterator

Просмотреть исходный код

as_numpy_iterator()

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

Используйте as_numpy_iterator для проверки содержимого вашего набора данных. Для просмотра форм и типов элементов печатайте элементы набора данных напрямую, а не используя 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
Возвращает
Итерируемый объект над элементами набора данных, с их тензорами, преобразованными в массивы NumPy.
Исключения
TypeError если элемент содержит значение, не являющееся Tensor.
RuntimeError если режим eager выключения.

batch

Просмотреть исходный код

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

Объединяет последовательные элементы этого набора данных в пакеты.

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

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

Примечание: Если ваша программа требует, чтобы данные имели статически известную форму (например, при использовании XLA), вы должны использовать drop_remainder=True. Без drop_remainder=True форма выходного набора данных будет иметь неизвестное ведущее измерение из-за возможности создания меньшего конечного пакета.
Аргументы
batch_size Скалярный тензор типа tf.int64, представляющий количество последовательных элементов этого набора данных, объединяемых в одну партию.
drop_remainder (Необязательно.) Скалярный тензор типа tf.bool, представляющий, следует ли отбрасывать последнюю партию в случае, если она содержит меньше, чем batch_size элементов; по умолчанию меньшая партия не отбрасывается.
num_parallel_calls (Необязательно.) Скалярный тензор типа tf.int64, представляющий количество партий, которые необходимо вычислить асинхронно параллельно. Если не указано, партии будут вычисляться последовательно. Если используется значение tf.data.AUTOTUNE, то количество параллельных вызовов устанавливается динамически на основе доступных ресурсов.
deterministic (Необязательно.) При указании num_parallel_calls, если указан этот булевый параметр (True или False), он управляет порядком, в котором преобразование генерирует элементы. Если значение установлено в False, преобразование разрешается генерировать элементы вне порядка, чтобы обменять детерминизм на производительность. Если не указано, поведение контролируется параметром tf.data.Options.deterministic (по умолчанию True).
name Имя операции tf.data.
Возвращаемое значение
Новый Dataset с применённым преобразованием, как описано выше.

bucket_by_sequence_length

Просмотреть исходный код

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

Преобразование, которое группирует элементы в Dataset по длине.

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

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

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

elements = [
  [0], [1, 2, 3, 4], [5, 6, 7],
  [7, 8, 9, 10, 11], [13, 14, 15, 16, 19, 20], [21, 22]]
dataset = tf.data.Dataset.from_generator(
    lambda: elements, tf.int64, output_shapes=[None])
dataset = dataset.bucket_by_sequence_length(
        element_length_func=lambda elem: tf.shape(elem)[0],
        bucket_boundaries=[3, 5],
        bucket_batch_sizes=[2, 2, 2])
for elem in dataset.as_numpy_iterator():
  print(elem)
[[1 2 3 4]
[5 6 7 0]]
[[ 7  8  9 10 11  0]
[13 14 15 16 19 20]]
[[ 0  0]
[21 22]]
Аргументы
element_length_func Функция, которая по элементу в Dataset возвращает 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 партии на корзину. Длина должна быть len(bucket_boundaries) + 1.
padded_shapes Вложенная структура tf.TensorShape, чтобы передать в tf.data.Dataset.padded_batch. Если не указано, будет использоваться dataset.output_shapes, что приведёт к дополнению измерений переменной длины до максимальной длины в каждой партии.
padding_values Значения для заполнения, передаваемые в tf.data.Dataset.padded_batch. По умолчанию заполнение нулями.
pad_to_bucket_boundary bool, если False, будет дополнять измерения с неизвестным размером до максимальной длины в партии. Если True, будет дополнять измерения с неизвестным размером до границы корзины минус 1 (т.е. максимальной длиной в каждой корзине), и вызывающий должен убедиться, что исходный Dataset не содержит элементов с длиной больше, чем max(bucket_boundaries).
no_padding bool, указывает, нужно ли дополнять признаки партии (признаки должны быть типа tf.sparse.SparseTensor или иметь одинаковую форму).
drop_remainder (Необязательно.) Скалярный тензор типа tf.bool, представляющий, следует ли отбрасывать последнюю партию в случае, если она содержит меньше, чем batch_size элементов; по умолчанию меньшая партия не отбрасывается.
name (Необязательно.) Имя операции tf.data.
Возвращаемое значение
Новый Dataset с применённым преобразованием, как описано выше.
Исключения
ValueError если len(bucket_batch_sizes) != len(bucket_boundaries) + 1.

cache

Просмотреть исходный код

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

Кэширует элементы в этом наборе данных.

В первый раз при итерации по набору данных его элементы будут кэшированы либо в указанном файле, либо в памяти. При последующих итерациях будут использованы кэшированные данные.

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

При кэшировании в файл кэшированные данные будут сохраняться между запусками. Даже первая итерация по данным будет читать из кэшированного файла. Изменение входной цепочки 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: cache будет генерировать точно такие же элементы во время каждой итерации по набору данных. Если вы хотите рандомизировать порядок итерации, убедитесь, что вызов shuffle выполняется после вызова cache.
Аргументы
filename Скалярный тензор типа tf.string, представляющий имя каталога на файловой системе, используемого 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

Просмотреть исходный код

cardinality()

Возвращает мощность набора данных, если она известна.

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

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

choose_from_datasets

Просмотреть исходный код

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

Создаёт набор данных, который детерминированно выбирает элементы из datasets.

Например, 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 типа tf.int64 между 0 и len(datasets) - 1.
stop_on_empty_dataset Если True, выбор останавливается, если встречается пустой набор данных. Если False, пустые наборы данных пропускаются. Рекомендуется установить в True. В противном случае выбранные элементы изначально соответствуют намерениям пользователя, но могут измениться 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 пусто.

concatenate

Просмотреть исходный код

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

Создаёт Dataset путём конкатенации данного набора данных с заданным 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 применённой, как описано выше, трансформацией.

counter

Просмотреть исходный код

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

Создаёт Dataset, который считает от start с шагом step.

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

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

enumerate

Просмотреть исходный код

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

Нумерует элементы этого набора данных.

Аналогично python's enumerate.

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

filter

Просмотреть исходный код

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

Фильтрует этот набор данных в соответствии с predicate.

dataset = tf.data.Dataset.from_tensor_slices([1, 2, 3])
dataset = dataset.filter(lambda x: x < 3)
list(dataset.as_numpy_iterator())
[1, 2]
# `tf.math.equal(x, y)` is required for equality comparison
def filter_fn(x):
  return tf.math.equal(x, 1)
dataset = dataset.filter(filter_fn)
list(dataset.as_numpy_iterator())
[1]
Аргументы
predicate Функция, отображающая элемент набора данных в булево значение.
name (Необязательно.) Имя операции tf.data.
Возвращаемое значение
Новый Dataset с применённой, как описано выше, трансформацией.

filter_with_legacy_function

Просмотреть исходный код

filter_with_legacy_function(
    predicate
) -> 'DatasetV2'

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

Устарело: ЭТА ФУНКЦИЯ УСТАРЕЛА. Она будет удалена в будущей версии. Инструкции по обновлению: Используйте `tf.data.Dataset.filter()
Примечание: Это "безопасный выход" для существующего использования filter, которое не работает с функциями V2. Новый использования настоятельно не рекомендуется, а существующие должны мигрировать в filter, так как этот метод будет удален в V2.
Аргументы
predicate Функция, отображающая (вложенную) структуру тензоров (с формами и типами, определёнными self.output_shapes и self.output_types) в скалярный tf.bool тензор.
Возвращаемое значение
Dataset Dataset, содержащий элементы этого набора данных, для которых predicate равно True.

fingerprint

Просмотреть исходный код

fingerprint()

Вычисляет отпечаток пальца этого Dataset.

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

Однако, два набора данных, производящие идентичные значения, не всегда означают, что они будут иметь одинаковый отпечаток пальца из-за различных конструкций графа.

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

Возвращаемое значение
Скалярный tf.Tensor типа tf.uint64.

flat_map

Просмотреть исходный код

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

Применяет map_func к этому набору данных и уплощает результат.

Тип сигнатуры:

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

Используйте flat_map, если хотите убедиться, что порядок вашего набора данных останется прежним. Например, чтобы уплостить набор данных с партиями в набор их элементов:

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

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

Аргументы
map_func Функция, отображающая элемент набора данных в набор данных.
name (Необязательно.) Имя операции tf.data.
Возвращаемое значение
Новый Dataset с применённой, как описано выше, трансформацией.

from_generator

Просмотреть исходный код

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

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

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

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

END_OF_DOCUMENT_MARKER

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

Рекомендуемый способ вызова from_generator — использовать аргумент output_signature. В этом случае предполагается, что вывод будет состоять из объектов с классами, формами и типами, определенными объектами tf.TypeSpec из аргумента output_signature:

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

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

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

Также существует устаревший способ вызова from_generator, используя либо только аргумент output_types, либо вместе с аргументом output_shapes. В этом случае вывод функции будет предполагаться состоящим из объектов tf.Tensor с типами, определенными output_types, и формами, которые либо неизвестны, либо определены output_shapes.

Примечание: Если generator зависит от изменяемых глобальных переменных или другого внешнего состояния, имейте в виду, что во время выполнения generator может быть вызвано несколько раз (для поддержки повторения Dataset) и в любое время между вызовом Dataset.from_generator() и производством первого элемента из генератора. Изменение глобальных переменных или внешнего состояния может привести к неопределенному поведению, поэтому мы рекомендуем явно кэшировать любое внешнее состояние в generator перед вызовом Dataset.from_generator().
Примечание: Хотя параметр output_signature позволяет получать элементы Dataset, область применения Dataset.from_generator() должна быть ограничена логикой, которую нельзя выразить через операции tf.data. Использование операций tf.data внутри функции-генератора — это антипаттерн и может привести к постепенному росту потребления памяти.
Аргументы
generator Объект вызываемого объекта, 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, возвращаемого generator.
output_shapes (Необязательно.) Структура (вложенная) объектов tf.TensorShape, соответствующих каждому компоненту элемента, возвращаемого generator.
args (Необязательно.) Кортеж объектов tf.Tensor, которые будут вычислены и переданы generator в качестве аргументов массивов NumPy.
output_signature (Необязательно.) Структура (вложенная) объектов tf.TypeSpec, соответствующих каждому компоненту элемента, возвращаемого generator.
name (Необязательно.) Имя для операций tf.data, используемых from_generator.
Возвращаемое значение
Dataset Объект Dataset.

from_sparse_tensor_slices

Просмотреть исходный код

@staticmethod
from_sparse_tensor_slices(
    sparse_tensor
)

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

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

from_tensor_slices

Просмотреть исходный код

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

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

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

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

Обратите внимание, что если tensors содержит массив NumPy, а выполнение в режиме eager отключено, значения будут встроены в график как одна или несколько операций tf.constant. Для больших наборов данных (> 1 ГБ) это может привести к потере памяти и проблемам с ограничениями на размер сериализации графа. Если tensors содержит один или несколько больших массивов NumPy, рассмотрите альтернативный подход, описанный в данном руководстве.

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

from_tensors

Просмотреть исходный код

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

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

from_tensors создаёт набор данных, содержащий только один элемент. Для нарезки входного тензора на несколько элементов используйте from_tensor_slices.

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

Обратите внимание, что если tensors содержит массив NumPy, а выполнение в режиме eager отключено, значения будут встроены в график как одна или несколько операций tf.constant. Для больших наборов данных (> 1 ГБ) это может привести к потере памяти и проблемам с ограничениями на размер сериализации графа. Если tensors содержит один или несколько больших массивов NumPy, рассмотрите альтернативный подход, описанный в данном руководстве.

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

get_single_element

Просмотреть исходный код

get_single_element(
    name=None
)

Возвращает единственный элемент набора данных dataset.

Функция позволяет использовать набор данных tf.data.Dataset в бессостоятельном выражении «тензор-в-тензор-вывод» без создания итератора. Это упрощает преобразование данных над тензорами с использованием оптимизированной абстракции наборов данных tf.data.Dataset над ними.

Например, рассмотрим набор данных preprocessing_fn, который принимает исходные признаки в качестве входных данных 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 примере тензор raw_features длины=BATCH_SIZE был преобразован в набор данных tf.data.Dataset. Затем каждый из элементов raw_feature был преобразован с помощью preprocessing_fn, и обработанные признаки были объединены в одну партию. Конечный набор данных dataset содержит только один элемент, который является партией всех обработанных признаков.

Примечание: Набор данных dataset должен содержать только один элемент.

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

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

Keras

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

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

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

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

group_by_window

Просмотреть исходный код

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

Группирует окна элементов по ключу и уменьшает их.

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

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

dataset = tf.data.Dataset.range(10)
window_size = 5
key_func = lambda x: x%2
reduce_func = lambda key, dataset: dataset.batch(window_size)
dataset = dataset.group_by_window(
          key_func=key_func,
          reduce_func=reduce_func,
          window_size=window_size)
for elem in dataset.as_numpy_iterator():
  print(elem)
[0 2 4 6 8]
[1 3 5 7 9]
Аргументы
key_func Функция, отображающая вложенную структуру тензоров (с формами и типами, определенными self.output_shapes и self.output_types) в скалярный тензор tf.int64.
reduce_func Функция, отображающая ключ и набор данных из не более чем window_size последовательных элементов, соответствующих этому ключу, в другой набор данных.
window_size Скалярный тензор tf.Tensor типа tf.int64, представляющий количество последовательных элементов, соответствующих одному и тому же ключу, которые необходимо объединить в одну партию, которая будет передана в reduce_func. Взаимоисключающее с window_size_func.
window_size_func Функция, отображающая ключ в скалярный тензор tf.Tensor типа tf.int64, представляющий количество последовательных элементов, соответствующих одному и тому же ключу, которые необходимо объединить в одну партию, которая будет передана в reduce_func. Взаимоисключающее с window_size.
name (Необязательно.) Имя операции tf.data.
Возвращаемое значение
Новый набор данных Dataset с применённым преобразованием, как описано выше.
Исключения
ValueError если ни один из или оба из {window_size, window_size_func} не переданы.

ignore_errors

Просмотреть исходный код

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

Отбрасывает элементы, вызывающие ошибки.

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

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

interleave

Просмотреть исходный код

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

Применяет map_func к этому набору данных и интерливирует результаты.

Подпись типа:

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

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

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

Аргументы cycle_length и block_length контролируют порядок, в котором генерируются элементы. cycle_length управляет количеством входных элементов, которые обрабатываются одновременно. Если вы установите cycle_length в 1, это преобразование будет обрабатывать по одному входному элементу за раз и даст идентичные результаты tf.data.Dataset.flat_map. В общем случае, это преобразование применит map_func к cycle_length входным элементам, откроет итераторы на возвращенных объектах Dataset, и циклически пройдет по ним, генерируя block_length последовательных элементов из каждого итератора и используя следующий входной элемент каждый раз, когда достигает конца итератора.

Например:

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

Производительность часто можно улучшить, установив num_parallel_calls, чтобы interleave использовал несколько потоков для получения 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 установлено, среда выполнения tf.data принимает решение на основе доступных процессоров. Если num_parallel_calls установлено на tf.data.AUTOTUNE, аргумент cycle_length определяет максимальную степень параллелизма.
block_length (Необязательно.) Количество последовательных элементов, которые необходимо сгенерировать из каждого входного элемента перед переходом к другому входному элементу. Если не установлено, по умолчанию равно 1.
num_parallel_calls (Необязательно.) Если указано, реализация создает пул потоков, который используется для асинхронного и параллельного получения входов из циклических элементов. По умолчанию входы из циклических элементов получаются синхронно без параллелизма. Если используется значение tf.data.AUTOTUNE, количество параллельных вызовов устанавливается динамически на основе доступных процессоров.
deterministic (Необязательно.) Если num_parallel_calls указано, если этот булевый аргумент указан (True или False), он управляет порядком, в котором преобразование генерирует элементы. Если установлено на False, преобразование разрешено возвращать элементы вне порядка, чтобы обменять детерминизм на производительность. Если не указано, опция tf.data.Options.deterministic (по умолчанию True) управляет поведением.
name (Необязательно.) Имя операции tf.data.
Возвращаемое значение
Новый набор данных Dataset с применённым преобразованием, как описано выше.

list_files

Просмотреть исходный код

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

Набор данных со всеми файлами, соответствующими одному или нескольким шаблонам glob.

Аргумент file_pattern должен содержать небольшое количество шаблонов glob. Если имена файлов уже были проглоблены, используйте Dataset.from_tensor_slices(filenames), так как повторное глобирование каждого имени файла с помощью list_files может привести к низкой производительности при работе с удаленными хранилищами.

Примечание: По умолчанию этот метод возвращает имена файлов в случайном порядке, без детерминизма. Передайте seed или shuffle=False, чтобы получить результаты в определенном порядке.
Пример
Если у нас есть следующие файлы в файловой системе:
  • /path/to/dir/a.txt
  • /path/to/dir/b.py
  • /path/to/dir/c.py

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

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

load

Просмотреть исходный код

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

Загружает ранее сохранённый набор данных.

Пример использования:

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

Если использовался параметр по умолчанию для фрагментации сохранённого набора данных, порядок элементов сохранённого набора данных сохранится при его загрузке.

Аргумент reader_func может использоваться для указания пользовательского порядка, в котором элементы должны загружаться из отдельных фрагментов. От reader_func ожидается, что он примет один аргумент — набор данных из наборов данных, каждый из которых содержит элементы одного из фрагментов, — и вернёт набор данных из 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 и определяющая тип отдельных компонентов элемента. Если не указано, используется вложенная структура tf.TypeSpec, сохранённая вместе с сохранённым набором данных. Обратите внимание, что этот аргумент необходим в режиме графа.
compression Необязательно. Алгоритм для распаковки данных при чтении. Поддерживаются варианты GZIP и NONE. По умолчанию NONE.
reader_func Необязательно. Функция для управления чтением данных из фрагментов. При наличии эта функция будет прослежена и выполнена как вычисление в графе.
Возвращаемое значение
Экземпляр tf.data.Dataset.
Исключения
FileNotFoundError Если element_spec не указано, и вложенная структура tf.TypeSpec не может быть распознана сохранённым набором данных.
ValueError Если element_spec не указано, и метод выполняется в режиме графа.

make_initializable_iterator

Просмотреть исходный код

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

Создаёт итератор для элементов данного набора данных. (устаревший)

Устаревшее: ЭТА ФУНКЦИЯ УСТАРЕЛА. Она будет удалена в будущей версии. Инструкции по обновлению: Эта устаревшая API должна использоваться только в режиме графа TF 1 и устаревшем режиме графа TF 2, доступном через tf.compat.v1. Во всех остальных случаях — а именно, в режиме eager и внутри tf.function — можно использовать элементы набора данных с помощью for elem in dataset: ... или явно создавая итератор через iterator = iter(dataset) и извлекая его элементы через values = next(iterator). Кроме того, эта API недоступна в TF 2. Во время перехода от TF 1 к TF 2 можно использовать tf.compat.v1.data.make_initializable_iterator(dataset) для создания итератора в стиле графа TF 1 для набора данных, созданного с помощью API TF 2. Обратите внимание, что это должно быть временное состояние вашего кода, так как, как правило, нет гарантий о взаимозаменяемости кода TF 1 и TF 2.
Примечание: Возвращённый итератор будет в неинициализированном состоянии, и вам нужно выполнить операцию iterator.initializer перед его использованием:
# Building graph ...
dataset = ...
iterator = dataset.make_initializable_iterator()
next_value = iterator.get_next()  # This is a Tensor.

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

make_one_shot_iterator

Просмотреть исходный код

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

Создаёт итератор для элементов данного набора данных. (устаревшее)

Устаревшее: ЭТА ФУНКЦИЯ УСТАРЕЛА. Она будет удалена в будущей версии. Инструкции по обновлению: Эта устаревшая API должна использоваться только в режиме графа TF 1 и устаревшем режиме графа TF 2, доступном через tf.compat.v1. Во всех остальных случаях — а именно, в режиме eager и внутри tf.function — можно использовать элементы набора данных с помощью for elem in dataset: ... или явно создавая итератор через iterator = iter(dataset) и извлекая его элементы через values = next(iterator). Кроме того, эта API недоступна в TF 2. Во время перехода от TF 1 к TF 2 можно использовать tf.compat.v1.data.make_one_shot_iterator(dataset) для создания итератора в стиле графа TF 1 для набора данных, созданного с помощью API TF 2. Обратите внимание, что это должно быть временное состояние вашего кода, так как, как правило, нет гарантий о взаимозаменяемости кода TF 1 и TF 2.
Примечание: Возвращённый итератор будет автоматически инициализирован. Итератор "one-shot" в настоящее время не поддерживает повторную инициализацию. Для этого см. make_initializable_iterator.

Пример:

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

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

map

Просмотреть исходный код

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

Применяет map_func к элементам данного набора данных.

Это преобразование применяет map_func к каждому элементу этого набора данных и возвращает новый набор данных, содержащий преобразованные элементы в том же порядке, что и в исходном наборе. map_func может быть использован для изменения как значений, так и структуры элементов набора данных. Поддерживаемые структуры описаны здесь.

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

Входная сигнатура map_func определяется структурой каждого элемента в этом наборе данных.

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

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

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

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

Обратите внимание, что независимо от контекста, в котором определён map_func (eager или graph), tf.data прослеживает функцию и выполняет её как вычисление в графе. Чтобы использовать Python-код внутри функции, у вас есть несколько вариантов:

1) Используйте AutoGraph для преобразования Python-кода в эквивалентное вычисление в графе. Недостатком этого подхода является то, что AutoGraph может преобразовать некоторый, но не весь Python-код.

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

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

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

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

Обратите внимание, что использование tf.numpy_function и tf.py_function в общем случае исключает возможность выполнения пользовательских преобразований параллельно (из-за блокировки интерпретатора Python).

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

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

Порядок элементов, возвращаемых этим преобразованием, является детерминированным, если deterministic=True. Если map_func содержит операции 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 tf.int64 значение tf.Tensor, представляющее количество элементов для асинхронной параллельной обработки. 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 указано, если этот булевый параметр указан (True или False), он контролирует порядок, в котором преобразование производит элементы. Если установлен в False, преобразование разрешено выдавать элементы вне очереди, чтобы обменять детерминизм на производительность. Если не указано, поведение контролирует опция tf.data.Options.deterministic (по умолчанию True).
name (Необязательно.) Имя операции tf.data.
Возвращает
Новый Dataset с применённым преобразованием, как описано выше.

map_with_legacy_function

Просмотреть исходный код

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

Применяет map_func к элементам этого набора данных. (устаревшее)

Устарело: ЭТА ФУНКЦИЯ УСТАРЕЛА. Она будет удалена в будущей версии. Инструкции по обновлению: Используйте `tf.data.Dataset.map()`
Примечание: Это «отверстие для спасения» для существующего использования map, которое не работает с функциями V2. Новый использования крайне не рекомендуется, и существующие должны мигрировать в map, так как этот метод будет удалён в V2.
Аргументы
map_func Функция, отображающая (вложенную) структуру тензоров (с формами и типами, определёнными self.output_shapes и self.output_types) на другую (вложенную) структуру тензоров.
num_parallel_calls (Необязательно.) Скалярное tf.int32 значение tf.Tensor, представляющее количество элементов для асинхронной параллельной обработки. 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 указано, этот булевый параметр управляет порядком, в котором преобразование производит элементы. Если установлен в False, преобразование разрешено выдавать элементы вне очереди, чтобы обменять детерминизм на производительность. Если не указано, поведение контролирует опция tf.data.Options.deterministic (по умолчанию True).
Возвращает
Dataset A Dataset.

options

Просмотреть исходный код

options()

Возвращает опции для этого набора данных и его входных данных.

Возвращает
Объект tf.data.Options, представляющий опции набора данных.

padded_batch

Просмотреть исходный код

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

Объединяет последовательные элементы этого набора данных в заполненные пакет.

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

Как и tf.data.Dataset.batch, компоненты результирующего элемента будут иметь дополнительное внешнее измерение, которое будет batch_size (или N % batch_size для последнего элемента, если batch_size не делит количество входных элементов N нацело и drop_remainder равно False). Если ваша программа зависит от того, что пакет имеет одинаковое внешнее измерение, вы должны установить аргумент drop_remainder в True, чтобы предотвратить создание более маленького пакета.

В отличие от tf.data.Dataset.batch, элементы входных данных для пакетирования могут иметь разные формы, и это преобразование заполнит каждый компонент до соответствующей формы в padded_shapes. Аргумент padded_shapes определяет результирующую форму для каждого измерения каждого компонента в элементе 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 tf.int64 скалярное tf.Tensor, представляющее количество последовательных элементов этого набора данных, которые должны быть объединены в один пакет.
padded_shapes (Необязательно.) (Вложенная) структура tf.TensorShape или tf.int64 векторов, похожих на тензоры, представляющих форму, к которой должен быть дополнен соответствующий компонент каждого элемента входных данных перед пакетированием. Любые неизвестные размеры будут заполнены до максимального размера этого измерения в каждом пакете. padded_shapes должен быть установлен, если у любого компонента неизвестный ранг.
padding_values (Необязательно.) (Вложенная) структура скалярных tf.Tensor, представляющих значения заполнения для соответствующих компонентов. None представляет, что (вложенная) структура должна быть заполнена значениями по умолчанию. Значения по умолчанию - 0 для числовых типов и пустая строка для строковых типов. Структура padding_values должна иметь такую же (вложенную) структуру, как и входной набор данных. Если padding_values является одним элементом, а входной набор данных имеет несколько компонентов, то один и тот же padding_values будет использоваться для заполнения каждого компонента набора данных. Если padding_values - скаляр, то его значение будет распространено для соответствия форме каждого компонента.
drop_remainder (Необязательно.) tf.bool скалярное tf.Tensor, представляющее, следует ли отбрасывать последний пакет в случае, если он содержит меньше, чем batch_size элементов; поведение по умолчанию заключается в том, чтобы не отбрасывать меньший пакет.
name (Необязательно.) Имя операции tf.data.
Возвращает
Новый Dataset с применённым преобразованием, как описано выше.
Возможные ошибки
ValueError Если компонент имеет неизвестный ранг, и аргумент padded_shapes не задан.
TypeError Если компонент имеет неподдерживаемый тип. Список поддерживаемых типов описан в https://www.tensorflow.org/guide/data#dataset_structure

prefetch

Просмотреть исходный код

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

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

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

Примечание: Как и другие методы Dataset, prefetch работает с элементами входного набора данных. У него нет понятия примеров против пакетов. examples.prefetch(2) будет предварительно загружать два элемента (2 примера), в то время как examples.batch(20).prefetch(2) будет предварительно загружать 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 тензор типа tf.int64, представляющий максимальное количество элементов, которые будут буферизованы при предварительной загрузке. Если используется значение tf.data.AUTOTUNE, размер буфера динамически настраивается.
name Необязательно. Имя преобразования tf.data.
Возвращаемое значение
Новый Dataset с примененным преобразованием, как описано выше.

ragged_batch

Просмотреть исходный код

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

Объединяет последовательные элементы этого набора данных в tf.RaggedTensor.

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

В отличие от tf.data.Dataset.batch, входные элементы, которые будут объединяться в пакет, могут иметь разные формы:

  • Если входной элемент является тензором tf.Tensor, чья статическая tf.TensorShape полностью определена, то он объединяется в пакет как обычно.
  • Если входной элемент является тензором tf.Tensor, чья статическая tf.TensorShape содержит одну или несколько осей с неизвестным размером (т.е., shape[i]=None), то результат будет содержать tf.RaggedTensor, который является разрывным до любого из таких измерений.
  • Если входной элемент является tf.RaggedTensor или любого другого типа, то он объединяется в пакет как обычно.

Пример:

dataset = tf.data.Dataset.range(6)
dataset = dataset.map(lambda x: tf.range(x))
dataset.element_spec.shape
TensorShape([None])
dataset = dataset.ragged_batch(2)
for batch in dataset:
  print(batch)
<tf.RaggedTensor [[], [0]]>
<tf.RaggedTensor [[0, 1], [0, 1, 2]]>
<tf.RaggedTensor [[0, 1, 2, 3], [0, 1, 2, 3, 4]]>
Аргументы
batch_size Скалярный тензор типа tf.int64, представляющий количество последовательных элементов этого набора данных, которые необходимо объединить в один пакет.
drop_remainder (Необязательно.) Скалярный тензор типа tf.bool, представляющий, должен ли быть опущен последний пакет в случае, если он содержит меньше, чем batch_size элементов; по умолчанию меньший пакет не опускается.
row_splits_dtype Тип данных, который должен использоваться для row_splits любых новых разрывных тензоров. Существующие элементы tf.RaggedTensor не изменяют свой тип данных row_splits.
name (Необязательно.) Строка, указывающая имя операции tf.data.
Возвращаемое значение
Новый Dataset с примененным преобразованием, как описано выше.

random

Просмотреть исходный код

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

Создает набор данных псевдослучайных значений.

Набор данных генерирует последовательность целых значений с равномерным распределением.

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

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

range

Просмотреть исходный код

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

Создает набор данных с диапазоном 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 функции range в Python. len(args) == 1 -> start = 0, stop = args[0], step = 1. len(args) == 2 -> start = args[0], stop = args[1], step = 1. len(args) == 3 -> start = args[0], stop = args[1], step = args[2].
**kwargs
  • output_type: Ожидаемый тип данных. (Необязательно, по умолчанию: tf.int64).
  • name: (Необязательно.) Имя операции tf.data.
Возвращаемое значение
Dataset Набор данных RangeDataset.
Исключения
ValueError если len(args) == 0.

rebatch

Просмотреть исходный код

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

Создает набор данных, 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 представляет собой список, rebatch циклически проходит по списку для определения размера каждого пакета.

ds = tf.data.Dataset.range(8)
ds = ds.batch(4)
ds = ds.rebatch([2, 1, 1])
list(ds.as_numpy_iterator())
[array([0, 1]), array([2]), array([3]), array([4, 5]), array([6]),
array([7])]
Аргументы
batch_size Скаляр или вектор типа tf.int64, представляющий размер пакетов для вывода. Если этот аргумент представляет собой вектор, эти значения циклически перебираются.
drop_remainder (Необязательно.) Скалярный тензор типа tf.bool, представляющий, должен ли быть опущен последний пакет в случае, если он содержит меньше, чем batch_size[cycle_index] элементов; по умолчанию меньший пакет не опускается.
name (Необязательно.) Имя операции tf.data.
Возвращаемое значение
Набор данных со скалярными элементами dtype.

reduce

Просмотреть исходный код

reduce(
    initial_state, reduce_func, name=None
)

Сводит входной набор данных к одному элементу.

Преобразование вызывает reduce_func последовательно на каждом элементе входного набора данных, пока набор данных не будет исчерпан, агрегируя информацию в его внутреннем состоянии. Аргумент initial_state используется для начального состояния, а конечное состояние возвращается как результат.

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

rejection_resample

Просмотреть исходный код

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

Перевыборка элементов для достижения целевого распределения.

Примечание: Эта реализация может отклонять или повторять элементы для достижения target_dist. Поэтому в некоторых случаях выходной Dataset может быть больше входного Dataset.
initial_dist = [0.6, 0.4]
n = 1000
elems = np.random.choice(len(initial_dist), size=n, p=initial_dist)
dataset = tf.data.Dataset.from_tensor_slices(elems)
zero, one = np.bincount(list(dataset.as_numpy_iterator())) / n

Вытекает из initial_dist, zero составляет примерно 0,6, а one составляет примерно 0,4.

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

Вытекает из target_dist, zero составляет примерно 0,5, а one составляет примерно 0,5.

Аргументы
class_func Функция, отображающая элемент входного набора данных в скалярный tf.int32 тензор. Значения должны быть в [0, num_classes).
target_dist Тензор с плавающей точкой, формы [num_classes].
initial_dist (Необязательно.) Тензор с плавающей точкой, формы [num_classes]. Если не указано, истинное распределение классов оценивается в режиме потоковой передачи.
seed (Необязательно.) Целочисленный (Python) seed для перевыборки.
name (Необязательно.) Имя операции tf.data.
Возвращает
Новый Dataset с примененным преобразованием, как описано выше.

repeat

Просмотреть исходный код

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

Повторяет этот набор данных, так чтобы каждое исходное значение было отображено 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 создавать разные элементы.
Аргументы
count (Необязательно.) Скалярный tf.int64 tf.Tensor, представляющий количество раз, которое набор данных должен быть повторён. По умолчанию (если count равно None или -1), набор данных повторяется бесконечно.
name (Необязательно.) Имя операции tf.data.
Возвращает
Новый Dataset с примененным преобразованием, как описано выше.

sample_from_datasets

Просмотреть исходный код

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

Случайный выбор элементов из наборов данных в datasets.

Создаёт набор данных путём чередования элементов из datasets с weight[i] вероятностью выбора элемента из набора данных i. Выборка происходит без возврата. 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 указанными вероятностями:

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

Один из возможных вариантов 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 выборки из datasets[i], или объект tf.data.Dataset, где каждый элемент является таким списком. По умолчанию распределение равномерное по datasets.
seed (Необязательно.) Скалярный tf.int64 tf.Tensor, представляющий seed для генератора случайных чисел. См. tf.random.set_seed для поведения.
stop_on_empty_dataset Если True, выборка останавливается при встрече пустого набора данных. Если False, выборка продолжается и пропускаются пустые наборы данных. Рекомендуется установить в True. В противном случае распределение выборок первоначально соответствует намерениям пользователя, но может измениться, если входные наборы данных становятся пустыми. Это может быть трудно определить, так как набор данных первоначально выглядит правильно. По умолчанию устанавливается в False для обратной совместимости.
rerandomize_each_iteration Необязательный bool. Логический аргумент управляет тем, будет ли последовательность случайных чисел, используемых для определения набора данных для выборки, перегенерирована для каждой эпохи. То есть, он определяет, будут ли наборы данных выбираться в одном порядке в разных эпохах (по умолчанию) или нет.
Возвращает
Набор данных, в котором элементы из datasets чередуются случайным образом, согласно weights, если задано, в противном случае с равной вероятностью.
Исключения
TypeError Если аргументы datasets или weights имеют неправильный тип.
ValueError
  • Если datasets пусто, или
  • Если weights задано и не совпадает с длиной datasets.

save

Просмотреть исходный код

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

Сохраняет содержимое заданного набора данных.

Пример использования:

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

Сохранённый набор данных сохраняется в нескольких файлах «кусках». По умолчанию выходные данные набора данных делятся на куски в порядке чередования, но пользовательская фрагментация может быть задана с помощью функции shard_func. Например, вы можете сохранить набор данных в одном куске следующим образом:

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

Чтобы включить сохранение 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 реализационными деталями и могут изменяться. Поэтому наборы данных, сохранённые с помощью tf.data.Dataset.save, должны потребляться только с помощью tf.data.Dataset.load, что гарантирует обратную совместимость.
Аргументы
path Обязательно. Каталог для сохранения набора данных.
compression Необязательно. Алгоритм для сжатия данных при записи. Поддерживаемые варианты — GZIP и NONE. По умолчанию используется NONE.
shard_func Необязательно. Функция для управления сопоставлением элементов набора данных с кусками файлов. Ожидается, что функция будет сопоставлять элементы входного набора данных с целочисленными ID куска. Если указана, функция будет прослежена и выполнена 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 пользователям не следует устанавливать аргумент checkpoint в checkpoint_args.
Возвращает
Операция, которая при выполнении выполняет сохранение. При записи контрольных точек возвращает None. Значение возврата полезно для тестирования.
Исключения
ValueError, если checkpoint передаётся в checkpoint_args.

scan

Просмотреть исходный код

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

Преобразование, которое применяет функцию к входному набору данных.

Это преобразование является состоятельным относительным элементом tf.data.Dataset.map. Помимо сопоставления scan_func по элементам входного набора данных, scan() накапливает один или несколько тензоров состояния, начальные значения которых равны initial_state.

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

shard

Просмотреть исходный код

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

Создаёт Dataset, который включает только 1/num_shards этого набора данных.

shard детерминировано. Набор данных, полученный с помощью A.shard(n, i), будет содержать все элементы A, для которых индекс mod n = i.

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

Этот оператор набора данных очень полезен при выполнении распределённого обучения, так как позволяет каждому узлу читать уникальный подмножество.

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

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

Важные замечания:

  • Убедитесь, что вы разделили данные перед использованием любого оператора случайного выбора (например, shuffle).
  • В целом, лучше использовать оператор разбиения на ранних этапах конвейера набора данных. Например, при чтении из набора файлов TFRecord, разбейте данные перед преобразованием набора данных в входные образцы. Это позволит избежать чтения каждого файла на каждом узле. Ниже приведён пример эффективной стратегии разбиения в полном конвейере:
d = Dataset.list_files(pattern, shuffle=False)
d = d.shard(num_workers, worker_index)
d = d.repeat(num_epochs)
d = d.shuffle(shuffle_buffer_size)
d = d.interleave(tf.data.TFRecordDataset,
                 cycle_length=num_readers, block_length=1)
d = d.map(parser_fn, num_parallel_calls=num_map_threads)
Аргументы
num_shards Скалярный тензор типа tf.int64, представляющий количество фрагментов, работающих параллельно.
index Скалярный тензор типа tf.int64, представляющий индекс узла.
name (Необязательно.) Имя операции tf.data.
Возвращаемые значения
Новый Dataset с применённым преобразованием, как описано выше.
Исключения
InvalidArgumentError если num_shards или index являются недопустимыми значениями.
Примечание: проверка ошибок выполняется с наилучшими усилиями, и ошибки не гарантируются при создании набора данных. (например, предоставление тензора-заполнителя обходит раннюю проверку и вместо этого приведёт к ошибке во время вызова session.run.)

shuffle

Просмотреть исходный код

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

Случайно перемешивает элементы этого набора данных.

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

Например, если ваш набор данных содержит 10 000 элементов, а buffer_size установлено в 1000, то shuffle изначально выберет случайный элемент только из первых 1000 элементов в буфере. После выбора элемента его место в буфере замещается следующим элементом (т.е. 1001-м), сохраняя буфер объёмом в 1000 элементов.

reshuffle_each_iteration управляет тем, должна ли последовательность перемешивания отличаться для каждой эпохи. В TF 1.X стандартный способ создания эпох - через преобразование 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 также создавать эпохи с помощью итерации 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 для его перемешивания. Это приведёт к ошибке переполнения памяти (OOM) если набор данных слишком большой, поэтому полное перемешивание следует использовать только для наборов данных, которые помещаются в оперативную память, таких как наборы данных имён файлов или другие небольшие наборы 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 Скалярный тензор типа tf.int64, представляющий количество элементов из этого набора данных, из которых новый набор данных будет выбирать. Для равномерного перемешивания всего набора данных используйте buffer_size=dataset.cardinality().
seed (Необязательно.) Скалярный тензор типа tf.int64, представляющий случайное семя, которое будет использовано 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 псевдослучайным образом перемешан каждый раз, когда он итерируется. (По умолчанию True.)
name (Необязательно.) Имя операции tf.data.
Возвращаемые значения
Новый Dataset с применённым преобразованием, как описано выше.

skip

Просмотреть исходный код

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

Создаёт Dataset, который пропускает 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 Скалярный тензор типа tf.int64, представляющий количество элементов из 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, пропускается весь набор данных.
name (Необязательно.) Имя операции tf.data.
Возвращаемые значения
Новый Dataset с применённым преобразованием, как описано выше.

snapshot

Просмотреть исходный код

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

API для сохранения вывода входного набора данных.

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

Этот API позволяет объединить повторяющиеся шаги предварительной обработки и использовать уже обработанные данные, обменивая хранение на диске и пропускную способность сети на освобождение большего количества ценных ресурсов ЦП и вычислительной мощности ускорителей.

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

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

shard_func — это определённая пользователем функция, которая сопоставляет входные элементы с фрагментами снимка.

Пользователи могут указать эту функцию, чтобы управлять тем, как файлы снимка должны записываться на диск. Ниже приведён пример того, как можно написать потенциальную функцию 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 определённая пользователем функция, которая принимает один аргумент: (1) набор данных наборов данных, каждый из которых представляет «разделение» элементов исходного набора данных. Мощность входного набора данных соответствует количеству фрагментов, указанных в shard_func (см. выше). Функция должна возвращать набор данных элементов исходного набора данных.

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

Вот пример стандартной функции чтения, которую может определить пользователь. Эта функция позволяет перемешивать набор данных и читать наборы данных параллельно:

END_OF_DOCUMENT_MARKER
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, моментальный снимок (snapshot) распараллеливает чтение по количеству ядер процессора в системе, но не пытается перемешивать данные.

Аргументы
path Обязательно. Директория для хранения/загрузки моментального снимка.
compression Необязательно. Тип сжатия, применяемого к моментальному снимку, записываемому на диск. Поддерживаются GZIP, SNAPPY, AUTO или None. По умолчанию используется AUTO, которое пытается выбрать подходящий алгоритм сжатия для набора данных.
reader_func Необязательно. Функция для управления чтением данных из фрагментов моментального снимка.
shard_func Необязательно. Функция для управления фрагментацией данных при записи моментального снимка.
name (Необязательно.) Имя для операции tf.data.
Возвращает
Новый Dataset с применённым преобразованием, как описано выше.

sparse_batch

Просмотреть исходный код

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

Объединяет последовательные элементы в tf.sparse.SparseTensor.

Подобно Dataset.padded_batch(), это преобразование объединяет несколько последовательных элементов набора данных, которые могут иметь различные формы, в один элемент. Результирующий элемент имеет три компонента (indices, values и dense_shape), которые составляют tf.sparse.SparseTensor, представляющий те же данные. row_shape представляет 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])
}
Аргументы
batch_size Скалярное тензорное значение типа tf.int64, представляющее количество последовательных элементов этого набора данных для объединения в один пакет.
row_shape Объект типа tf.TensorShape или tf.int64 вектор-подобный объект, представляющий эквивалентную плотную форму строки в результирующем tf.sparse.SparseTensor. Каждый элемент этого набора данных должен иметь тот же ранг, что и row_shape, и размер в каждом измерении должен быть меньше или равен row_shape.
name (Необязательно.) Строка, указывающая имя операции tf.data.
Возвращает
Новый Dataset с применённым преобразованием, как описано выше.

take

Просмотреть исходный код

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

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

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

take_while

Просмотреть исходный код

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

Преобразование, которое останавливает итерацию по набору данных на основе predicate.

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

unbatch

Просмотреть исходный код

unbatch(
    name=None
) -> 'DatasetV2'

Разделяет элементы набора данных на несколько элементов.

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

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

unique

Просмотреть исходный код

unique(
    name=None
) -> 'DatasetV2'

Преобразование, которое отбрасывает дубликаты элементов набора данных Dataset.

Используйте это преобразование для получения набора данных, содержащего один экземпляр каждого уникального элемента на входе. Например:

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

window

Просмотреть исходный код

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

Возвращает набор данных «окна».

Каждое «окно» — это набор данных, который содержит подмножество элементов входного набора данных. Это конечные наборы данных размером size (или, возможно, меньше, если для заполнения окна не хватает входных элементов и drop_remainder оценивается как False).

Например:

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

Так как окна — это наборы данных, они могут быть итерированы:

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

Сдвиг

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

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

Шаг

Аргумент stride определяет шаг между входными элементами в окне.

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

Вложенные элементы

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

Подпись типа:

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

Применение window к Dataset кортежей даёт кортеж окон:

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

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

Применение window к Dataset словарей даёт словарь Datasets:

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

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

Разворачивание набора данных окон

Методы Dataset.flat_map и Dataset.interleave можно использовать для разворачивания набора данных окон в один набор данных.

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

Например, чтобы преобразовать каждое окно в плотный тензор:

dataset = tf.data.Dataset.range(7).window(3, shift=1,
                                          drop_remainder=True)
batched = dataset.flat_map(lambda x:x.batch(3))
for batch in batched:
  print(batch.numpy())
[0 1 2]
[1 2 3]
[2 3 4]
[3 4 5]
[4 5 6]
Аргументы
size Скалярный tf.int64 tf.Tensor, представляющий количество элементов входного набора данных для объединения в окно. Должно быть положительным.
shift (Необязательно.) Скалярный tf.int64 tf.Tensor, представляющий количество входных элементов, на которые смещается окно в каждом цикле. По умолчанию равно size. Должно быть положительным.
stride (Необязательно.) Скалярный tf.int64 tf.Tensor, представляющий шаг входных элементов в скользящем окне. Значение по умолчанию 1 означает «сохранение каждого входного элемента».
drop_remainder (Необязательно.) Скалярный tf.bool tf.Tensor, указывающий, следует ли отбрасывать последние окна, если их размер меньше size.
name (Необязательно.) Имя операции tf.data.
Возвращает
Новый Dataset с применённым преобразованием, как описано выше.

with_options

Просмотреть исходный код

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

Возвращает новый tf.data.Dataset с заданными параметрами.

Параметры «глобальные» в том смысле, что они применяются ко всему набору данных. Если параметры задаются несколько раз, они объединяются, 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.
Возвращает
Новый Dataset с применённым преобразованием, как описано выше.
Исключения
ValueError при установке параметра более одного раза с нестандартным значением

zip

Просмотреть исходный код

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

Создаёт Dataset путём объединения заданных наборов данных.

Данный метод имеет сходную семантику с встроенной функцией zip() в Python, с основным отличием, состоящим в том, что аргумент datasets может быть (вложенной) структурой объектов Dataset. Поддерживаемые механизмы вложения описаны здесь.

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

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

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

__bool__

Просмотреть исходный код

__bool__()

__iter__

Просмотреть исходный код

Создаёт итератор для элементов этого набора данных.

Возвращаемый итератор реализует протокол Python Iterator.

Возвращает
tf.data.Iterator для элементов этого набора данных.
Исключения
RuntimeError Если не внутри tf.function и не выполняется жадно.

__len__

Просмотреть исходный код

Возвращает длину набора данных, если она известна и конечна.

Этот метод требует, чтобы вы выполняли его в режиме жадного выполнения и чтобы длина набора данных была известной и конечной. Если длина может быть неизвестной или бесконечной, или если вы выполняете в режиме графа, используйте tf.data.Dataset.cardinality.

Возвращает
Целое число, представляющее длину набора данных.
Исключения
RuntimeError Если длина набора данных неизвестна или бесконечна, или если жадное выполнение не включено.

__nonzero__

Просмотреть исходный код

__nonzero__()

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

Spec-Zone.ru

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