tf.compat.v1.data.FixedLengthRecordDataset
A набор фиксированной длины записей из одного или нескольких двоичных файлов.
Наследуется от: Dataset, Dataset
tf.compat.v1.data.FixedLengthRecordDataset(
filenames,
record_bytes,
header_bytes=None,
footer_bytes=None,
buffer_size=None,
compression_type=None,
num_parallel_reads=None,
name=None
)
| Аргументы | |
|---|---|
filenames | Тензор tf.string или tf.data.Dataset, содержащий один или несколько файлов. |
record_bytes | Скаляр tf.int64, представляющий количество байтов в каждой записи. |
header_bytes | (Необязательно.) Скаляр tf.int64, представляющий количество байтов, которые нужно пропустить в начале файла. |
footer_bytes | (Необязательно.) Скаляр tf.int64, представляющий количество байтов, которые нужно пропустить в конце файла. |
buffer_size | (Необязательно.) Скаляр tf.int64, представляющий количество байтов для буферизации при чтении. |
compression_type | (Необязательно.) Скаляр tf.string, принимающий одно из значений: "" (без сжатия), "ZLIB" или "GZIP". |
num_parallel_reads | (Необязательно.) Скаляр tf.int64, представляющий количество файлов для одновременного чтения. Если больше одного, записи из параллельно читаемых файлов выводятся в чередующемся порядке. Если ваша цепочка обработки данных ограничена чтением из файла, рассмотрите возможность установки этого параметра в значение больше единицы для параллелизации ввода/вывода. Если None, файлы будут читаться последовательно. |
name | (Необязательно.) Имя операции tf.data. |
| Атрибуты | |
|---|---|
element_spec | Описание типа элемента данного набора данных.
dataset = tf.data.Dataset.from_tensor_slices([1, 2, 3]) dataset.element_spec TensorSpec(shape=(), dtype=tf.int32, name=None) Для получения дополнительной информации, ознакомьтесь с данным руководством. |
output_classes | Возвращает класс каждого компонента элемента данного набора данных. (устаревшее) |
output_shapes | Возвращает форму каждого компонента элемента данного набора данных. (устаревшее) |
output_types | Возвращает тип каждого компонента элемента данного набора данных. (устаревшее) |
Методы
apply
apply(
transformation_func
) -> 'DatasetV2'
Применяет функцию преобразования к этому набору данных.
apply позволяет объединять пользовательские Dataset преобразования, которые представляются функциями, принимающими один Dataset аргумент и возвращающими преобразованный Dataset.
dataset = tf.data.Dataset.range(100) def dataset_fn(ds): return ds.filter(lambda x: x < 5) dataset = dataset.apply(dataset_fn) list(dataset.as_numpy_iterator()) [0, 1, 2, 3, 4]
| Аргументы | |
|---|---|
transformation_func | Функция, которая принимает один Dataset аргумент и возвращает Dataset. |
| Возвращаемое значение | |
|---|---|
Новый Dataset с примененным преобразованием, как описано выше. |
as_numpy_iterator
as_numpy_iterator()
Возвращает итератор, который преобразует все элементы набора данных в NumPy.
Используйте as_numpy_iterator для проверки содержимого вашего набора данных. Чтобы увидеть формы и типы элементов, 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, а элемент_spec набора данных содержал только TensorSpec компоненты.
dataset = tf.data.Dataset.from_tensor_slices([1, 2, 3]) for element in dataset.as_numpy_iterator(): print(element) 1 2 3
dataset = tf.data.Dataset.from_tensor_slices([1, 2, 3]) print(list(dataset.as_numpy_iterator())) [1, 2, 3]
as_numpy_iterator() сохранит вложенную структуру элементов набора данных.
dataset = tf.data.Dataset.from_tensor_slices({'a': ([1, 2], [3, 4]),
'b': [5, 6]})
list(dataset.as_numpy_iterator()) == [{'a': (1, 3), 'b': 5},
{'a': (2, 4), 'b': 6}]
True| Возвращаемое значение | |
|---|---|
| Итерируемый объект над элементами набора данных, с тензорами, преобразованными в массивы NumPy. |
| Исключения | |
|---|---|
TypeError | если элемент содержит не-Tensor значение. |
RuntimeError | если режим eager не включен. |
batch
batch(
batch_size,
drop_remainder=False,
num_parallel_calls=None,
deterministic=None,
name=None
) -> 'DatasetV2'
Объединяет последовательные элементы этого набора данных в пакеты.
dataset = tf.data.Dataset.range(8) dataset = dataset.batch(3) list(dataset.as_numpy_iterator()) [array([0, 1, 2]), array([3, 4, 5]), array([6, 7])]
dataset = tf.data.Dataset.range(8) dataset = dataset.batch(3, drop_remainder=True) list(dataset.as_numpy_iterator()) [array([0, 1, 2]), array([3, 4, 5])]
Компоненты результирующего элемента 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 пакеты имеют одинаковое внешнее измерение, вы должны установить аргумент drop_remainder в True, чтобы предотвратить создание меньшего пакета.
Примечание: Если ваша программа требует, чтобы данные имели статически известную форму (например, при использовании XLA), вы должны использоватьdrop_remainder=True. Безdrop_remainder=Trueформа выходного набора данных будет иметь неизвестное ведущее измерение из-за возможности меньшего конечного пакета.
| Args | |
|---|---|
batch_size | A tf.int64 скаляр tf.Tensor, представляющий количество последовательных элементов этого набора данных для объединения в одну партию. |
drop_remainder | (Необязательно.) A tf.bool скаляр tf.Tensor, представляющий, должна ли последняя партия быть отброшена в случае, если она содержит меньше, чем batch_size элементов; по умолчанию меньшая партия не отбрасывается. |
num_parallel_calls | (Необязательно.) A tf.int64 скаляр tf.Tensor, 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 динамически устанавливается в зависимости от доступных ресурсов. |
deterministic | (Необязательно.) Когда num_parallel_calls указан, если этот булевый параметр указан (True или False), он контролирует порядок, в котором преобразование генерирует элементы. Если установлен в False, преобразованию разрешается выдавать элементы вне порядка, чтобы обменять детерминизм на производительность. Если не указано, опция tf.data.Options.deterministic (True по умолчанию) контролирует поведение. |
name | (Необязательно.) Имя операции tf.data. |
| Returns | |
|---|---|
Новый Dataset с применённым преобразованием, как описано выше. |
bucket_by_sequence_length
bucket_by_sequence_length(
element_length_func,
bucket_boundaries,
bucket_batch_sizes,
padded_shapes=None,
padding_values=None,
pad_to_bucket_boundary=False,
no_padding=False,
drop_remainder=False,
name=None
) -> 'DatasetV2'
Преобразование, которое группирует элементы в Dataset по длине.
Элементы Dataset группируются по длине, а затем заполняются и объединяются в партии.
Это полезно для задач с последовательностями, в которых элементы имеют переменную длину. Группирование элементов с аналогичными длинами уменьшает общую долю заполнения в партии, что повышает эффективность шагов 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]]| Args | |
|---|---|
element_length_func | Функция, преобразующая элемент в Dataset в tf.int32, определяющая длину элемента, которая определяет корзину. |
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 для передачи в tf.data.Dataset.padded_batch. Если не указано, будет использоваться dataset.output_shapes, что приведёт к заполнению переменных размерностей 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 заполнять размерности с неизвестным размером до максимальной длины в партии. Если True, будет заполнять размерности с неизвестным размером до границы корзины минус 1 (т.е. максимальной длины в каждой корзине), и вызывающий должен гарантировать, что исходный Dataset не содержит элементов длиной более, чем max(bucket_boundaries). |
no_padding | bool, указывает, нужно ли заполнять значения признаков партии (признаки должны быть либо типа tf.sparse.SparseTensor, либо иметь одинаковую форму). |
drop_remainder | (Необязательно.) A tf.bool скаляр tf.Tensor, представляющий, должна ли последняя партия быть отброшена в случае, если она содержит меньше, чем batch_size элементов; по умолчанию меньшая партия не отбрасывается. |
name | (Необязательно.) Имя операции tf.data. |
| Returns | |
|---|---|
Новый Dataset с применённым преобразованием, как описано выше. |
| Raises | |
|---|---|
ValueError | если len(bucket_batch_sizes) != len(bucket_boundaries) + 1. |
cache
cache(
filename='', name=None
) -> 'DatasetV2'
Кэширует элементы в этом наборе данных.
При первом прохождении по набору данных его элементы будут кэшированы либо в указанном файле, либо в оперативной памяти. Последующие итерации будут использовать кэшированные данные.
Примечание: Для гарантии завершения кэширования входной набор данных должен быть полностью обработан, до возникновения исключения StopIteration. В противном случае последующие итерации могут не использовать кэшированные данные.
dataset = tf.data.Dataset.range(5) dataset = dataset.map(lambda x: x**2) dataset = dataset.cache() # The first time reading through the data will generate the data using # `range` and `map`. list(dataset.as_numpy_iterator()) [0, 1, 4, 9, 16] # Subsequent iterations read from the cache. list(dataset.as_numpy_iterator()) [0, 1, 4, 9, 16]
При кэшировании в файл кэшированные данные будут сохраняться между запусками. Даже первая итерация по данным будет читать данные из файла кэша. Изменение входной конвейерной линии до вызова .cache() не повлияет, пока файл кэша не будет удален или имя файла не будет изменено.
dataset = tf.data.Dataset.range(5)
dataset = dataset.cache("/path/to/file")
list(dataset.as_numpy_iterator())
# [0, 1, 2, 3, 4]
dataset = tf.data.Dataset.range(10)
dataset = dataset.cache("/path/to/file") # Same file!
list(dataset.as_numpy_iterator())
# [0, 1, 2, 3, 4]
Примечание:cacheпроизведёт точно такие же элементы во время каждой итерации по набору данных. Если вы хотите случайным образом упорядочить итерации, убедитесь, что вы вызываетеshuffleпосле вызоваcache.
| Args | |
|---|---|
filename | A tf.string скаляр tf.Tensor, представляющий имя каталога в файловой системе, используемого для кэширования элементов в этом наборе данных. Если имя файла не указано, набор данных будет кэширован в оперативной памяти. |
name | (Необязательно.) Имя операции tf.data. |
| Returns | |
|---|---|
Новый Dataset с применённым преобразованием, как описано выше. |
cardinality
cardinality()
Возвращает мощность набора данных, если она известна.
cardinality может вернуть tf.data.INFINITE_CARDINALITY, если набор данных содержит бесконечное количество элементов, или tf.data.UNKNOWN_CARDINALITY, если анализ не удалось 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
| Returns | |
|---|---|
Скаляр 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
@staticmethod
choose_from_datasets(
datasets, choice_dataset, stop_on_empty_dataset=True
) -> 'DatasetV2'
Создаёт набор данных, который детерминированно выбирает элементы из datasets.
Например, предположим 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"
| Args | |
|---|---|
datasets | Непустой список объектов tf.data.Dataset с совместимой структурой. |
choice_dataset | A tf.data.Dataset скалярных тензоров tf.int64 между 0 и len(datasets) - 1. |
stop_on_empty_dataset | Если True, выбор останавливается при встрече пустого набора данных. Если False, пустые наборы данных пропускаются. Рекомендуется установить его в True. В противном случае выбранные элементы начинаются так, как предполагает пользователь, но могут измениться по мере того, как входные наборы данных становятся пустыми. Это может быть трудно обнаружить, так как набор данных изначально выглядит правильно. По умолчанию True. |
| Returns | |
|---|---|
Новый Dataset с применённым преобразованием, как описано выше. |
| Исключения | |
|---|---|
TypeError | Если у datasets или choice_dataset неправильный тип. |
ValueError | Если datasets пусто. |
concatenate
concatenate(
dataset, name=None
) -> 'DatasetV2'
Создаёт Dataset, конкатенируя данный набор данных с этим набором данных.
a = tf.data.Dataset.range(1, 4) # ==> [ 1, 2, 3 ] b = tf.data.Dataset.range(4, 8) # ==> [ 4, 5, 6, 7 ] ds = a.concatenate(b) list(ds.as_numpy_iterator()) [1, 2, 3, 4, 5, 6, 7] # The input dataset and dataset to be concatenated should have # compatible element specs. c = tf.data.Dataset.zip((a, b)) a.concatenate(c) Traceback (most recent call last): TypeError: Two datasets to concatenate have different types <dtype: 'int64'> and (tf.int64, tf.int64) d = tf.data.Dataset.from_tensor_slices(["a", "b", "c"]) a.concatenate(d) Traceback (most recent call last): TypeError: Two datasets to concatenate have different types <dtype: 'int64'> and <dtype: 'string'>
| Аргументы | |
|---|---|
dataset | Dataset, подлежащий конкатенации. |
name | (Необязательно.) Имя операции tf.data. |
| Возвращаемое значение | |
|---|---|
Новый Dataset с применённым преобразованием, как описано выше. |
counter
@staticmethod
counter(
start=0,
step=1,
dtype=tf.dtypes.int64,
name=None
) -> 'DatasetV2'
Создаёт Dataset, который считает от start с шагом step.
В отличие от tf.data.Dataset.range, который останавливается на каком-то 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.) Шаг 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 dtype. |
enumerate
enumerate(
start=0, name=None
) -> 'DatasetV2'
Перечисляет элементы этого набора данных.
Аналогично python's enumerate.
dataset = tf.data.Dataset.from_tensor_slices([1, 2, 3]) dataset = dataset.enumerate(start=5) for element in dataset.as_numpy_iterator(): print(element) (5, 1) (6, 2) (7, 3)
# The (nested) structure of the input dataset determines the # structure of elements in the resulting dataset. dataset = tf.data.Dataset.from_tensor_slices([(7, 8), (9, 10)]) dataset = dataset.enumerate() for element in dataset.as_numpy_iterator(): print(element) (0, array([7, 8], dtype=int32)) (1, array([ 9, 10], dtype=int32))
| Аргументы | |
|---|---|
start | Скалярный tf.int64 tf.Tensor, представляющий начальное значение для нумерации. |
name | Необязательно. Имя операций tf.data, используемых в enumerate. |
| Возвращаемое значение | |
|---|---|
Новый Dataset с применённым преобразованием, как описано выше. |
filter
filter(
predicate, name=None
) -> 'DatasetV2'
Фильтрует этот набор данных в соответствии с predicate.
dataset = tf.data.Dataset.from_tensor_slices([1, 2, 3]) dataset = dataset.filter(lambda x: x < 3) list(dataset.as_numpy_iterator()) [1, 2] # `tf.math.equal(x, y)` is required for equality comparison def filter_fn(x): return tf.math.equal(x, 1) dataset = dataset.filter(filter_fn) list(dataset.as_numpy_iterator()) [1]
| Аргументы | |
|---|---|
predicate | Функция, сопоставляющая элемент набора данных с булевым значением. |
name | (Необязательно.) Имя операции tf.data. |
| Возвращаемое значение | |
|---|---|
Новый Dataset с применённым преобразованием, как описано выше. |
filter_with_legacy_function
filter_with_legacy_function(
predicate
) -> 'DatasetV2'
Фильтрует этот набор данных в соответствии с predicate. (устарело)
Примечание: Это временное решение для существующих случаев использованияfilter, которые не работают с функциями V2. Новые случаи использования настоятельно не рекомендуются, и существующие должны перейти кfilter, так как этот метод будет удалён в V2.
| Аргументы | |
|---|---|
predicate | Функция, отображающая (вложенную) структуру тензоров (с формами и типами, определёнными self.output_shapes и self.output_types) в скалярный tf.bool тензор. |
| Возвращаемое значение | |
|---|---|
Dataset | Dataset, содержащий элементы этого набора данных, для которых predicate является True. |
fingerprint
fingerprint()
Вычисляет отпечаток пальца этого Dataset.
Если у двух наборов данных одинаковый отпечаток пальца, гарантируется, что они будут производить идентичные элементы, пока содержимое входных файлов вверх по потоку не изменится, и они будут производить данные детерминированно.
Однако, два набора данных, производящие одинаковые значения, не всегда означают, что у них будет одинаковый отпечаток пальца из-за различных конструкций графов.
Другими словами, если у двух наборов данных разные отпечатки пальцев, они всё равно могут производить одинаковые значения.
| Возвращаемое значение | |
|---|---|
Скалярный tf.Tensor типа tf.uint64. |
flat_map
flat_map(
map_func, name=None
) -> 'DatasetV2'
Применяет map_func ко всему этому набору данных и сплющивает 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 остаётся неизменным. Например, для сплющивания набора данных из пакетов в набор данных их элементов:
dataset = tf.data.Dataset.from_tensor_slices(
[[1, 2, 3], [4, 5, 6], [7, 8, 9]])
dataset = dataset.flat_map(tf.data.Dataset.from_tensor_slices)
list(dataset.as_numpy_iterator())
[1, 2, 3, 4, 5, 6, 7, 8, 9]tf.data.Dataset.interleave() является обобщением flat_map, так как flat_map производит тот же результат, что и tf.data.Dataset.interleave(cycle_length=1)
| Аргументы | |
|---|---|
map_func | Функция, сопоставляющая элемент набора данных с набором данных. |
name | (Необязательно.) Имя операции tf.data. |
| Возвращаемое значение | |
|---|---|
Новый Dataset с применённым преобразованием, как описано выше. |
from_generator
@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)
Примечание: Текущая реализацияDataset.from_generator()используетtf.numpy_functionи наследует те же ограничения. В частности, она требует, чтобы операции, связанные с набором данных и итератором, были размещены на устройстве в том же процессе, что и программа Python, которая вызывалаDataset.from_generator(). В частности, использованиеfrom_generatorисключит использование tf.data service для масштабирования обработки набора данных. Телоgeneratorне будет сериализовано вGraphDef, и вы не должны использовать этот метод, если вам нужно сериализовать вашу модель и восстановить её в другой среде.
Аргумент generator должен быть вызываемым объектом, который возвращает объект, поддерживающий протокол iter() (например, функцию-генератор).
Элементы, сгенерированные generator, должны быть совместимы с переданным аргументом output_signature или с переданными аргументами output_types и (необязательно) output_shapes, какой из них был указан.
Рекомендуемый способ вызова from_generator — использовать аргумент output_signature. В этом случае выходные данные будут предполагаться состоящими из объектов с классами, формами и типами, определёнными объектами tf.TypeSpec из аргумента output_signature:
def gen():
ragged_tensor = tf.ragged.constant([[1, 2], [3]])
yield 42, ragged_tensor
dataset = tf.data.Dataset.from_generator(
gen,
output_signature=(
tf.TensorSpec(shape=(), dtype=tf.int32),
tf.RaggedTensorSpec(shape=(2, None), dtype=tf.int32)))
list(dataset.take(1))
[(<tf.Tensor: shape=(), dtype=int32, numpy=42>,
<tf.RaggedTensor [[1, 2], [3]]>)]Также существует устаревший способ вызова from_generator, используя либо только аргумент output_types, либо вместе с аргументом output_shapes. В этом случае выходные данные функции будут предполагаться состоящими из объектов tf.Tensor с типами, определёнными output_types, и с формами, которые либо неизвестны, либо определены аргументом output_shapes.
Примечание: Еслиgeneratorзависит от изменяемых глобальных переменных или другого внешнего состояния, помните, что во время выполненияgeneratorможет быть вызвано несколько раз (для поддержки повторенияDataset) и в любое время между вызовомDataset.from_generator()и созданием первого элемента из генератора. Изменение глобальных переменных или внешнего состояния может привести к неопределённому поведению, и мы рекомендуем явно кэшировать любое внешнее состояние вgeneratorперед вызовомDataset.from_generator().
Примечание: Хотя параметрoutput_signatureпозволяет возвращать элементыDataset, область действияDataset.from_generator()должна быть ограничена логикой, которую нельзя выразить с помощью операций tf.data. Использование операций tf.data внутри функции-генератора — это антипаттерн и может привести к постепенному росту потребления памяти.
| Аргументы | |
|---|---|
generator | Объект вызываемого типа, возвращающий объект, поддерживающий протокол iter(). Если args не указан, generator не должен принимать аргументы; в противном случае он должен принимать столько аргументов, сколько значений в args. |
output_types | (Необязательно.) 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 операций tf.data, используемых from_generator. |
| Возвращаемое значение | |
|---|---|
Dataset | Объект Dataset. |
from_sparse_tensor_slices
@staticmethod
from_sparse_tensor_slices(
sparse_tensor
)
Разделяет каждый тензор ранга-N tf.sparse.SparseTensor в этом наборе данных по строкам. (Устаревшая функция)
| Аргументы | |
|---|---|
sparse_tensor | tf.sparse.SparseTensor. |
| Возвращаемое значение | |
|---|---|
Dataset | Объект Dataset ранга (N-1) разреженных тензоров. |
from_tensor_slices
@staticmethod
from_tensor_slices(
tensors, name=None
) -> 'DatasetV2'
Создаёт набор данных Dataset, элементы которого представляют собой срезы заданных тензоров.
Заданные тензоры нарезаются по первому измерению. Эта операция сохраняет структуру входных тензоров, удаляя первое измерение каждого тензора и используя его как измерение набора данных. Все входные тензоры должны иметь одинаковый размер в своих первых измерениях.
# Slicing a 1D tensor produces scalar tensor elements. dataset = tf.data.Dataset.from_tensor_slices([1, 2, 3]) list(dataset.as_numpy_iterator()) [1, 2, 3]
# Slicing a 2D tensor produces 1D tensor elements. dataset = tf.data.Dataset.from_tensor_slices([[1, 2], [3, 4]]) list(dataset.as_numpy_iterator()) [array([1, 2], dtype=int32), array([3, 4], dtype=int32)]
# Slicing a tuple of 1D tensors produces tuple elements containing # scalar tensors. dataset = tf.data.Dataset.from_tensor_slices(([1, 2], [3, 4], [5, 6])) list(dataset.as_numpy_iterator()) [(1, 3, 5), (2, 4, 6)]
# Dictionary structure is also preserved.
dataset = tf.data.Dataset.from_tensor_slices({"a": [1, 2], "b": [3, 4]})
list(dataset.as_numpy_iterator()) == [{'a': 1, 'b': 3},
{'a': 2, 'b': 4}]
True# Two tensors can be combined into one Dataset object.
features = tf.constant([[1, 3], [2, 1], [3, 3]]) # ==> 3x2 tensor
labels = tf.constant(['A', 'B', 'A']) # ==> 3x1 tensor
dataset = Dataset.from_tensor_slices((features, labels))
# Both the features and the labels tensors can be converted
# to a Dataset object separately and combined after.
features_dataset = Dataset.from_tensor_slices(features)
labels_dataset = Dataset.from_tensor_slices(labels)
dataset = Dataset.zip((features_dataset, labels_dataset))
# A batched feature and label set can be converted to a Dataset
# in similar fashion.
batched_features = tf.constant([[[1, 3], [2, 3]],
[[2, 1], [1, 2]],
[[3, 3], [3, 2]]], shape=(3, 2, 2))
batched_labels = tf.constant([['A', 'A'],
['B', 'B'],
['A', 'B']], shape=(3, 2, 1))
dataset = Dataset.from_tensor_slices((batched_features, batched_labels))
for element in dataset.as_numpy_iterator():
print(element)
(array([[1, 3],
[2, 3]], dtype=int32), array([[b'A'],
[b'A']], dtype=object))
(array([[2, 1],
[1, 2]], dtype=int32), array([[b'B'],
[b'B']], dtype=object))
(array([[3, 3],
[3, 2]], dtype=int32), array([[b'A'],
[b'B']], dtype=object))Обратите внимание, что если tensors содержит массив NumPy, 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 ограничениям размера графа. Если tensors содержит один или несколько больших массивов NumPy, рассмотрите альтернативный подход, описанный в этом руководстве.
| Аргументы | |
|---|---|
tensors | Элемент набора данных, компоненты которого имеют одинаковое первое измерение. Поддерживаемые значения описаны здесь. |
name | (Необязательно.) Имя операции tf.data. |
| Возвращаемое значение | |
|---|---|
Dataset | Объект набора данных Dataset. |
from_tensors
@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. Чтобы разбить входной тензор на несколько элементов, используйте from_tensor_slices.
dataset = tf.data.Dataset.from_tensors([1, 2, 3]) list(dataset.as_numpy_iterator()) [array([1, 2, 3], dtype=int32)] dataset = tf.data.Dataset.from_tensors(([1, 2, 3], 'A')) list(dataset.as_numpy_iterator()) [(array([1, 2, 3], dtype=int32), b'A')]
# You can use `from_tensors` to produce a dataset which repeats # the same example many times. example = tf.constant([1,2,3]) dataset = tf.data.Dataset.from_tensors(example).repeat(2) list(dataset.as_numpy_iterator()) [array([1, 2, 3], dtype=int32), array([1, 2, 3], dtype=int32)]
Обратите внимание, что если tensors содержит массив NumPy, 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 ограничениям размера графа. Если tensors содержит один или несколько больших массивов NumPy, рассмотрите альтернативный подход, описанный в этом руководстве.
| Аргументы | |
|---|---|
tensors | Элемент набора данных. Поддерживаемые значения описаны здесь. |
name | (Необязательно.) Имя операции tf.data. |
| Возвращаемое значение | |
|---|---|
Dataset | Объект набора данных Dataset. |
get_single_element
get_single_element(
name=None
)
Возвращает единственный элемент набора данных dataset.
Функция позволяет использовать набор данных tf.data.Dataset в бессостоятельном выражении «тензор-в-тензор», не создавая итератор. Это облегчает преобразование данных над тензорами с помощью оптимизированной абстракции набора данных tf.data.Dataset над ними.
Например, рассмотрим набор данных preprocessing_fn, который принимает на вход исходные признаки и возвращает обработанные признаки вместе с меткой.
def preprocessing_fn(raw_feature):
# ... the raw_feature is preprocessed as per the use-case
return feature
raw_features = ... # input batch of BATCH_SIZE elements.
dataset = (tf.data.Dataset.from_tensor_slices(raw_features)
.map(preprocessing_fn, num_parallel_calls=BATCH_SIZE)
.batch(BATCH_SIZE))
processed_features = dataset.get_single_element()
В приведённом выше примере тензор raw_features длиной BATCH_SIZE был преобразован в набор данных tf.data.Dataset. Далее, каждый из элементов raw_feature был обработан с помощью preprocessing_fn, и обработанные признаки были сгруппированы в одну партию. Окончательный набор данных dataset содержит только один элемент — партию всех обработанных признаков.
Примечание: Набор данных dataset должен содержать только один элемент.
Теперь вместо создания итератора для набора данных dataset и получения партии признаков используется функция tf.data.get_single_element(), чтобы пропустить создание итератора и напрямую получить партию признаков.
Это может быть особенно полезно, когда ваши преобразования тензора выражены как операции набора данных tf.data.Dataset, и вы хотите использовать эти преобразования во время обслуживания вашей модели.
Keras
model = ... # A pre-built or custom model
class PreprocessingModel(tf.keras.Model):
def __init__(self, model):
super().__init__(self)
self.model = model
@tf.function(input_signature=[...])
def serving_fn(self, data):
ds = tf.data.Dataset.from_tensor_slices(data)
ds = ds.map(preprocessing_fn, num_parallel_calls=BATCH_SIZE)
ds = ds.batch(batch_size=BATCH_SIZE)
return tf.argmax(self.model(ds.get_single_element()), axis=-1)
preprocessing_model = PreprocessingModel(model)
your_exported_model_dir = ... # save the model to this path.
tf.saved_model.save(preprocessing_model, your_exported_model_dir,
signatures={'serving_default': preprocessing_model.serving_fn}
)
| Аргументы | |
|---|---|
name | (Необязательно.) Имя операции tf.data. |
| Возвращает | |
|---|---|
Вложенную структуру объектов tf.Tensor, соответствующую единственному элементу dataset. |
| Возбуждает | |
|---|---|
InvalidArgumentError | (во время выполнения) если dataset не содержит ровно один элемент. |
group_by_window
group_by_window(
key_func, reduce_func, window_size=None, window_size_func=None, name=None
) -> 'DatasetV2'
Группирует окна элементов по ключу и уменьшает их.
Это преобразование сопоставляет каждый последовательный элемент в наборе данных с ключом, используя key_func, и группирует элементы по ключу. Затем он применяет reduce_func к не более чем window_size_func(key) элементам, соответствующим одному ключу. Все, кроме конечного окна для каждого ключа, будут содержать window_size_func(key) элементов; конечное окно может быть меньше.
Вы можете предоставить либо постоянный window_size, либо размер окна, определяемый ключом, через window_size_func.
dataset = tf.data.Dataset.range(10)
window_size = 5
key_func = lambda x: x%2
reduce_func = lambda key, dataset: dataset.batch(window_size)
dataset = dataset.group_by_window(
key_func=key_func,
reduce_func=reduce_func,
window_size=window_size)
for elem in dataset.as_numpy_iterator():
print(elem)
[0 2 4 6 8]
[1 3 5 7 9]| Аргументы | |
|---|---|
key_func | Функция, отображающая вложенную структуру тензоров (с формами и типами, определёнными self.output_shapes и self.output_types) в скалярный тензор tf.int64. |
reduce_func | Функция, отображающая ключ и набор данных до window_size последовательных элементов, соответствующих этому ключу, в другой набор данных. |
window_size | Скалярный tf.Tensor типа tf.int64, представляющий количество последовательных элементов, соответствующих одному ключу, для объединения в одну партию, которое будет передано в reduce_func. Взаимоисключающе с window_size_func. |
window_size_func | Функция, сопоставляющая ключ со скалярным тензором tf.Tensor типа tf.int64, представляющий количество последовательных элементов, соответствующих одному ключу, для объединения в одну партию, которое будет передано в reduce_func. Взаимоисключающе с window_size. |
name | (Необязательно.) Имя операции tf.data. |
| Возвращает | |
|---|---|
Новый набор данных Dataset с применённым преобразованием, как описано выше. |
| Возбуждает | |
|---|---|
ValueError | если ни один, ни оба из {window_size, window_size_func} не переданы. |
ignore_errors
ignore_errors(
log_warning=False, name=None
) -> 'DatasetV2'
Опускает элементы, которые вызывают ошибки.
dataset = tf.data.Dataset.from_tensor_slices([1., 2., 0., 4.]) dataset = dataset.map(lambda x: tf.debugging.check_numerics(1. / x, "")) list(dataset.as_numpy_iterator()) Traceback (most recent call last): InvalidArgumentError: ... Tensor had Inf values dataset = dataset.ignore_errors() list(dataset.as_numpy_iterator()) [1.0, 0.5, 0.25]
| Аргументы | |
|---|---|
log_warning | (Необязательно.) Флаг, указывающий, нужно ли записывать проигнорированные ошибки в stderr. По умолчанию False. |
name | (Необязательно.) Строка, обозначающая имя операции tf.data. |
| Возвращает | |
|---|---|
Новый набор данных Dataset с применённым преобразованием, как описано выше. |
interleave
interleave(
map_func,
cycle_length=None,
block_length=None,
num_parallel_calls=None,
deterministic=None,
name=None
) -> 'DatasetV2'
Применяет map_func к этому набору данных и переплетает результаты.
Подпись типа:
def interleave( self: Dataset[T], map_func: Callable[[T], Dataset[S]] ) -> Dataset[S]
Например, вы можете использовать Dataset.interleave() для одновременной обработки многих входных файлов:
# Preprocess 4 files concurrently, and interleave blocks of 16 records
# from each file.
filenames = ["/var/data/file1.txt", "/var/data/file2.txt",
"/var/data/file3.txt", "/var/data/file4.txt"]
dataset = tf.data.Dataset.from_tensor_slices(filenames)
def parse_fn(filename):
return tf.data.Dataset.range(10)
dataset = dataset.interleave(lambda x:
tf.data.TextLineDataset(x).map(parse_fn, num_parallel_calls=1),
cycle_length=4, block_length=16)Аргументы cycle_length и block_length управляют порядком генерации элементов. cycle_length управляет количеством входных элементов, обрабатываемых одновременно. Если вы установите cycle_length в 1, это преобразование будет обрабатывать один входной элемент за раз, и даст такие же результаты, как tf.data.Dataset.flat_map. В общем случае, это преобразование применит map_func к cycle_length входным элементам, откроет итераторы на возвращаемых объектах Dataset, и пройдёт по ним, генерируя block_length последовательных элементов из каждого итератора, и потребляя следующий входной элемент каждый раз, когда он достигает конца итератора.
Например:
dataset = Dataset.range(1, 6) # ==> [ 1, 2, 3, 4, 5 ]
# NOTE: New lines indicate "block" boundaries.
dataset = dataset.interleave(
lambda x: Dataset.from_tensors(x).repeat(6),
cycle_length=2, block_length=4)
list(dataset.as_numpy_iterator())
[1, 1, 1, 1,
2, 2, 2, 2,
1, 1,
2, 2,
3, 3, 3, 3,
4, 4, 4, 4,
3, 3,
4, 4,
5, 5, 5, 5,
5, 5]Примечание: Порядок элементов, выдаваемых этим преобразованием, детерминирован, покаmap_funcявляется чистой функцией иdeterministic=True. Еслиmap_funcсодержит какие-либо операции с состоянием, порядок доступа к этому состоянию не определён.
Производительность часто можно улучшить, установив num_parallel_calls, чтобы interleave использовало несколько потоков для извлечения элементов. Если детерминизм не требуется, можно также улучшить производительность, 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, принимающая элемент набора данных и возвращающая набор данных tf.data.Dataset. |
cycle_length | (Необязательно.) Количество входных элементов, которые будут обрабатываться одновременно. Если не установлено, среда выполнения tf.data решает, каким оно должно быть, исходя из доступных ЦП. Если num_parallel_calls установлено в tf.data.AUTOTUNE, аргумент cycle_length определяет максимальную степень параллелизма. |
block_length | (Необязательно.) Количество последовательных элементов, генерируемых из каждого входного элемента, прежде чем перейти к следующему входному элементу. Если не установлено, по умолчанию равно 1. |
num_parallel_calls | (Необязательно.) При указании, реализация создаёт пул потоков, который используется для асинхронного и параллельного извлечения входов из циклических элементов. По умолчанию поведение заключается в синхронном извлечении входов из циклических элементов без параллелизма. Если значение tf.data.AUTOTUNE используется, то количество параллельных вызовов устанавливается динамически на основе доступных ЦП. |
deterministic | (Необязательно.) При указании num_parallel_calls, если этот булевый параметр указан (True или False), он управляет порядком, в котором преобразование генерирует элементы. Если установлено в False, преобразованию разрешается генерировать элементы вне порядка, чтобы обменять детерминизм на производительность. Если не указано, опция tf.data.Options.deterministic (True по умолчанию) управляет поведением. |
name | (Необязательно.) Имя операции tf.data. |
| Возвращает | |
|---|---|
Новый набор данных Dataset с применённым преобразованием, как описано выше. |
list_files
@staticmethod
list_files(
file_pattern, shuffle=None, seed=None, name=None
) -> 'DatasetV2'
Набор данных со всеми файлами, соответствующими одному или нескольким шаблонам glob.
Аргумент file_pattern должен быть небольшой группой шаблонов glob. Если имена файлов уже отфильтрованы с помощью glob, используйте Dataset.from_tensor_slices(filenames) вместо этого, так как повторная обработка каждого имени файла с помощью list_files может привести к плохой производительности с удалёнными системами хранения.
Примечание: По умолчанию этот метод возвращает имена файлов в произвольном порядке без определённой последовательности. Передайтеseedилиshuffle=False, чтобы получить результаты в определённом порядке.
| Пример | |
|---|---|
Если у нас есть следующие файлы в нашей файловой системе:
Если мы передадим "/path/to/dir/*.py" в качестве директории, набор данных вернёт:
|
| Аргументы | |
|---|---|
file_pattern | Строка, список строк или tf.Tensor типа строка (скаляр или вектор), представляющая шаблон(ы) для соответствия именам файлов (т.е. оболочки шаблона). |
shuffle | (Необязательно.) Если True, имена файлов будут перемешаны случайным образом. По умолчанию True. |
seed | (Необязательно.) Скаляр tf.int64 tf.Tensor, представляющий случайное семя, которое будет использовано для создания распределения. См. tf.random.set_seed для поведения. |
name | Необязательно. Имя для операций tf.data, используемых list_files. |
| Возвращаемые значения | |
|---|---|
Dataset | Список строк, соответствующих именам файлов. |
load
@staticmethod
load(
path, element_spec=None, compression=None, reader_func=None
) -> 'DatasetV2'
Загружает ранее сохраненный набор данных.
Пример использования:
import tempfile path = os.path.join(tempfile.gettempdir(), "saved_data") # Save a dataset dataset = tf.data.Dataset.range(2) tf.data.Dataset.save(dataset, path) new_dataset = tf.data.Dataset.load(path) for elem in new_dataset: print(elem) tf.Tensor(0, shape=(), dtype=int64) tf.Tensor(1, shape=(), dtype=int64)
Если использовалась опция фрагментации сохраненного набора данных по умолчанию, порядок элементов сохранённого набора данных сохранится при его загрузке.
Аргумент reader_func можно использовать для указания пользовательского порядка, в котором элементы должны загружаться из отдельных фрагментов. reader_func ожидает единственный аргумент — набор данных наборов данных, каждый из которых содержит элементы одного из фрагментов, и возвращает набор 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 с сохранённым набором данных. Обратите внимание, что этот аргумент требуется в режиме графа. |
compression | Необязательно. Алгоритм, используемый для распаковки данных при их чтении. Поддерживаемые варианты — GZIP и NONE. По умолчанию NONE. |
reader_func | Необязательно. Функция для управления тем, как читать данные из фрагментов. При её наличии, функция будет отслеживаться и выполняться как вычисление в графе. |
| Возвращаемые значения | |
|---|---|
Экземпляр tf.data.Dataset. |
| Исключения | |
|---|---|
FileNotFoundError | Если element_spec не указан, и вложенная структура tf.TypeSpec не может быть расположена с сохранённым набором данных. |
ValueError | Если element_spec не указан и метод выполняется в режиме графа. |
make_initializable_iterator
make_initializable_iterator(
shared_name=None
) -> tf.compat.v1.data.Iterator
Создаёт итератор для элементов этого набора данных. (устаревший)
Примечание: Возвращённый итератор будет находиться в неинициализированном состоянии, и вы должны выполнить операцию iterator.initializer перед его использованием:
# Building graph ...
dataset = ...
iterator = dataset.make_initializable_iterator()
next_value = iterator.get_next() # This is a Tensor.
# ... from within a session ...
sess.run(iterator.initializer)
try:
while True:
value = sess.run(next_value)
...
except tf.errors.OutOfRangeError:
pass
| Аргументы | |
|---|---|
shared_name | (Необязательно.) Если не пусто, возвращаемый итератор будет совместно использоваться под указанным именем между несколькими сессиями, которые разделяют одни и те же устройства (например, при использовании удалённого сервера). |
| Возвращаемые значения | |
|---|---|
tf.data.Iterator для элементов этого набора данных. |
| Исключения | |
|---|---|
RuntimeError | Если включено жадное выполнение. |
make_one_shot_iterator
make_one_shot_iterator() -> Union[iterator_ops.Iterator, iterator_ops.OwnedIterator]
Создаёт итератор для элементов этого набора данных. (устаревший)
Примечание: Возвращённый итератор будет инициализирован автоматически. Итератор «one-shot» в настоящее время не поддерживает повторную инициализацию. Для этого см. make_initializable_iterator.
Пример:
# Building graph ...
dataset = ...
next_value = dataset.make_one_shot_iterator().get_next()
# ... from within a session ...
try:
while True:
value = sess.run(next_value)
...
except tf.errors.OutOfRangeError:
pass
| Возвращаемые значения | |
|---|---|
tf.data.Iterator для элементов этого набора данных. |
map
map(
map_func, num_parallel_calls=None, deterministic=None, name=None
)
Применяет map_func к элементам этого набора данных.
Эта трансформация применяет map_func к каждому элементу этого набора данных и возвращает новый набор данных, содержащий преобразованные элементы в том же порядке, в котором они появлялись в исходном наборе. map_func может быть использован для изменения как значений, так и структуры элементов набора данных. Поддерживаемые структуры описаны здесь.
Например, map можно использовать для добавления 1 к каждому элементу или для проекции подмножества компонентов элемента.
dataset = Dataset.range(1, 6) # ==> [ 1, 2, 3, 4, 5 ] dataset = dataset.map(lambda x: x + 1) list(dataset.as_numpy_iterator()) [2, 3, 4, 5, 6]
Подпись ввода map_func определяется структурой каждого элемента в этом наборе данных.
dataset = Dataset.range(5) # `map_func` takes a single argument of type `tf.Tensor` with the same # shape and dtype. result = dataset.map(lambda x: x + 1)
# Each element is a tuple containing two `tf.Tensor` objects.
elements = [(1, "foo"), (2, "bar"), (3, "baz")]
dataset = tf.data.Dataset.from_generator(
lambda: elements, (tf.int32, tf.string))
# `map_func` takes two arguments of type `tf.Tensor`. This function
# projects out just the first component.
result = dataset.map(lambda x_int, y_str: x_int)
list(result.as_numpy_iterator())
[1, 2, 3]# Each element is a dictionary mapping strings to `tf.Tensor` objects.
elements = ([{"a": 1, "b": "foo"},
{"a": 2, "b": "bar"},
{"a": 3, "b": "baz"}])
dataset = tf.data.Dataset.from_generator(
lambda: elements, {"a": tf.int32, "b": tf.string})
# `map_func` takes a single argument of type `dict` with the same keys
# as the elements.
result = dataset.map(lambda d: str(d["a"]) + d["b"])Значение или значения, возвращаемые map_func, определяют структуру каждого элемента в возвращаемом наборе данных.
dataset = tf.data.Dataset.range(3) # `map_func` returns two `tf.Tensor` objects. def g(x): return tf.constant(37.0), tf.constant(["Foo", "Bar", "Baz"]) result = dataset.map(g) result.element_spec (TensorSpec(shape=(), dtype=tf.float32, name=None), TensorSpec(shape=(3,), dtype=tf.string, name=None)) # Python primitives, lists, and NumPy arrays are implicitly converted to # `tf.Tensor`. def h(x): return 37.0, ["Foo", "Bar"], np.array([1.0, 2.0], dtype=np.float64) result = dataset.map(h) result.element_spec (TensorSpec(shape=(), dtype=tf.float32, name=None), TensorSpec(shape=(2,), dtype=tf.string, name=None), TensorSpec(shape=(2,), dtype=tf.float64, name=None)) # `map_func` can return nested structures. def i(x): return (37.0, [42, 16]), "foo" result = dataset.map(i) result.element_spec ((TensorSpec(shape=(), dtype=tf.float32, name=None), TensorSpec(shape=(2,), dtype=tf.int32, name=None)), TensorSpec(shape=(), dtype=tf.string, name=None))
map_func может принимать в качестве аргументов и возвращать любой тип элемента набора данных.
Обратите внимание, что независимо от контекста, в котором определяется map_func (жадный или графический), tf.data отслеживает функцию и выполняет её как вычисление в графе. Для использования Python-кода внутри функции у вас есть несколько вариантов:
1) Воспользуйтесь AutoGraph для преобразования Python-кода в эквивалентное вычисление в графе. Недостатком этого подхода является то, что AutoGraph может преобразовать часть, но не весь Python-код.
2) Используйте tf.py_function, что позволяет писать произвольный Python-код, но, как правило, приводит к худшей производительности, чем 1). Например:
d = tf.data.Dataset.from_tensor_slices(['hello', 'world'])
# transform a string tensor to upper case string using a Python function
def upper_case_fn(t: tf.Tensor):
return t.numpy().decode('utf-8').upper()
d = d.map(lambda x: tf.py_function(func=upper_case_fn,
inp=[x], Tout=tf.string))
list(d.as_numpy_iterator())
[b'HELLO', b'WORLD']3) Используйте tf.numpy_function, что также позволяет 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 вообще исключает возможность параллельного выполнения пользовательских преобразований (из-за блокировки Python GIL).
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 этой трансформацией, является детерминированным, если deterministic=True. Если map_func содержит операции с состоянием и num_parallel_calls > 1, порядок доступа к этому состоянию не определён, поэтому значения выходных элементов могут быть не детерминированными независимо от значения флага deterministic.
| Аргументы | |
|---|---|
map_func | Функция, отображающая элемент набора данных на другой элемент набора данных. |
num_parallel_calls | (Необязательно.) Скалярный tf.int64 tf.Tensor, представляющий число элементов для асинхронной обработки в параллели. Если не указано, элементы будут обрабатываться последовательно. Если используется значение tf.data.AUTOTUNE, то количество параллельных вызовов динамически устанавливается на основе доступных ЦП. |
deterministic | (Необязательно.) Когда num_parallel_calls указано, если этот булевый параметр указан (True или False), он управляет порядком, в котором преобразование генерирует элементы. Если установлен в False, преобразование разрешено выдавать элементы вне порядка, чтобы обменять детерминированность на производительность. Если не указано, поведение контролируется опцией tf.data.Options.deterministic (по умолчанию True). |
name | (Необязательно.) Имя операции tf.data. |
| Возвращаемое значение | |
|---|---|
Новый Dataset с применённой, как описано выше, трансформацией. |
map_with_legacy_function
map_with_legacy_function(
map_func, num_parallel_calls=None, deterministic=None
) -> 'DatasetV1Adapter'
Применяет map_func ко всем элементам этого набора данных. (устарело)
Примечание: Это аварийный выход для существующих случаев использованияmap, которые не работают с функциями V2. Новые случаи использования настоятельно не рекомендуются, и существующие должны мигрировать кmap, 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.) Скалярный tf.int32 tf.Tensor, представляющий число элементов для асинхронной обработки в параллели. Если не указано, элементы будут обрабатываться последовательно. Если используется значение tf.data.AUTOTUNE, то количество параллельных вызовов динамически устанавливается на основе доступных ЦП. |
deterministic | (Необязательно.) Когда num_parallel_calls задано, этот булевый параметр контролирует порядок, в котором преобразование генерирует элементы. Если установлен в False, преобразование разрешено выдавать элементы вне порядка, чтобы обменять детерминированность на производительность. Если не указано, поведение контролируется опцией tf.data.Options.deterministic (по умолчанию True). |
| Возвращаемое значение | |
|---|---|
Dataset | Dataset. |
options
options()
Возвращает опции для этого набора данных и его входных данных.
| Возвращаемое значение | |
|---|---|
Объект tf.data.Options, представляющий опции набора данных. |
padded_batch
padded_batch(
batch_size,
padded_shapes=None,
padding_values=None,
drop_remainder=False,
name=None
) -> 'DatasetV2'
Объединяет последовательные элементы этого набора данных в запакованные пакеты.
Эта трансформация объединяет несколько последовательных элементов входного набора данных в один элемент.
Как и в tf.data.Dataset.batch, компоненты результирующего элемента будут иметь дополнительное внешнее измерение, которое будет batch_size (или N % batch_size для последнего элемента, если batch_size не делит число 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 для пакетирования могут иметь разные формы, и эта трансформация будет дополнять каждый компонент до соответствующей формы в padded_shapes. Аргумент padded_shapes определяет результирующую форму для каждого измерения каждого компонента в элементе выходного значения:
- Если измерение является постоянным, компонент будет дополнен до этого размера в этом измерении.
- Если измерение неизвестно, компонент будет дополнен до максимальной длины всех элементов в этом измерении.
A = (tf.data.Dataset
.range(1, 5, output_type=tf.int32)
.map(lambda x: tf.fill([x], x)))
# Pad to the smallest per-batch size that fits all elements.
B = A.padded_batch(2)
for element in B.as_numpy_iterator():
print(element)
[[1 0]
[2 2]]
[[3 3 3 0]
[4 4 4 4]]
# Pad to a fixed size.
C = A.padded_batch(2, padded_shapes=5)
for element in C.as_numpy_iterator():
print(element)
[[1 0 0 0 0]
[2 2 0 0 0]]
[[3 3 3 0 0]
[4 4 4 4 0]]
# Pad with a custom value.
D = A.padded_batch(2, padded_shapes=5, padding_values=-1)
for element in D.as_numpy_iterator():
print(element)
[[ 1 -1 -1 -1 -1]
[ 2 2 -1 -1 -1]]
[[ 3 3 3 -1 -1]
[ 4 4 4 4 -1]]
# Components of nested elements can be padded independently.
elements = [([1, 2, 3], [10]),
([4, 5], [11, 12])]
dataset = tf.data.Dataset.from_generator(
lambda: iter(elements), (tf.int32, tf.int32))
# Pad the first component of the tuple to length 4, and the second
# component to the smallest size that fits.
dataset = dataset.padded_batch(2,
padded_shapes=([4], [None]),
padding_values=(-1, 100))
list(dataset.as_numpy_iterator())
[(array([[ 1, 2, 3, -1], [ 4, 5, -1, -1]], dtype=int32),
array([[ 10, 100], [ 11, 12]], dtype=int32))]
# Pad with a single value and multiple components.
E = tf.data.Dataset.zip((A, A)).padded_batch(2, padding_values=-1)
for element in E.as_numpy_iterator():
print(element)
(array([[ 1, -1],
[ 2, 2]], dtype=int32), array([[ 1, -1],
[ 2, 2]], dtype=int32))
(array([[ 3, 3, 3, -1],
[ 4, 4, 4, 4]], dtype=int32), array([[ 3, 3, 3, -1],
[ 4, 4, 4, 4]], dtype=int32))См. также tf.data.experimental.dense_to_sparse_batch, который объединяет элементы, которые могут иметь разные формы, в tf.sparse.SparseTensor.
| Аргументы | |
|---|---|
batch_size | Скалярный tf.int64 tf.Tensor, представляющий количество последовательных элементов этого набора данных для объединения в один пакет. |
padded_shapes | (Необязательно.) (Вложенная) структура tf.TensorShape или векторных тензорных объектов tf.int64, представляющих форму, до которой должен быть дополнен соответствующий компонент каждого элемента входных данных перед пакетированием. Любые неизвестные размеры будут дополнены до максимального размера этого измерения в каждом пакете. padded_shapes должен быть задан, если любой компонент имеет неизвестный ранг. |
padding_values | (Необязательно.) (Вложенная) структура скалярных tf.Tensor, представляющих значения заполнения для соответствующих компонентов. None означает, 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 ту же (вложенную) структуру, что и входной набор данных. Если padding_values — одиночный элемент, а входной набор данных имеет несколько компонентов, то тот же padding_values будет использован для заполнения каждого компонента набора данных. Если padding_values является скаляром, его значение будет транслироваться для соответствия форме каждого компонента. |
drop_remainder | (Необязательно.) Скалярный tf.bool tf.Tensor, указывающий, следует ли отбрасывать последний пакет в случае, если он содержит меньше, чем batch_size элементов; поведение по умолчанию — не отбрасывать меньший пакет. |
name | (Необязательно.) Имя операции tf.data. |
| Возвращаемое значение | |
|---|---|
Новый Dataset с применённой, как описано выше, трансформацией. |
| Возможные исключения | |
|---|---|
ValueError | Если у компонента неизвестный ранг, и аргумент padded_shapes не установлен. |
TypeError | Если компонент имеет неподдерживаемый тип. Список поддерживаемых типов документирован в https://www.tensorflow.org/guide/data#dataset_structure |
prefetch
prefetch(
buffer_size, name=None
) -> 'DatasetV2'
Создаёт Dataset, который предварительно загружает элементы из этого набора данных.
Большинство конвейеров ввода наборов данных должны заканчиваться вызовом prefetch. Это позволяет подготовить последующие элементы, пока текущий элемент обрабатывается. Это часто улучшает задержку и пропускную способность, ценой дополнительной памяти для хранения предварительно загруженных элементов.
Примечание: Как и другие методыDataset, prefetch работает с элементами входного набора данных. Он не имеет понятия о примерах и пакетах.examples.prefetch(2)предварительно загрузит два элемента (2 примера), в то время какexamples.batch(20).prefetch(2)предварительно загрузит 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 выборке. Если используется значение tf.data.AUTOTUNE, размер буфера настраивается динамически. |
name | Необязательно. Имя преобразования tf.data. |
| Возвращаемое значение | |
|---|---|
Новый Dataset с примененным преобразованием, как описано выше. |
ragged_batch
ragged_batch(
batch_size,
drop_remainder=False,
row_splits_dtype=tf.dtypes.int64,
name=None
) -> 'DatasetV2'
Объединяет последовательные элементы этого набора данных в tf.RaggedTensor.
Как и 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, а drop_remainder равно False). Если ваш код зависит от того, что все пакеты имеют одинаковое внешнее измерение, вы должны установить аргумент drop_remainder в значение True, чтобы предотвратить создание меньшего пакета.
В отличие от tf.data.Dataset.batch, входные элементы, которые должны быть объединены в пакеты, могут иметь разные формы:
- Если входной элемент является
tf.Tensor, статическаяtf.TensorShapeкоторого полностью определена, он объединяется в пакеты как обычно. - Если входной элемент является
tf.Tensor, статическаяtf.TensorShapeкоторого содержит одну или несколько осей с неизвестным размером (т. е.shape[i]=None), то вывод будет содержатьtf.RaggedTensor, который является разрозненным до любого из таких измерений. - Если входной элемент является
tf.RaggedTensorили любого другого типа, то он объединяется в пакеты 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, следует ли отбрасывать последний пакет в случае, если в нем меньше элементов, чем batch_size; по умолчанию меньший пакет не отбрасывается. |
row_splits_dtype | Тип данных, который следует использовать для row_splits любых новых разрозненных 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
@staticmethod
random(
seed=None, rerandomize_each_iteration=None, name=None
) -> 'DatasetV2'
Создает Dataset псевдослучайных значений.
Набор данных генерирует последовательность равномерно распределенных целых значений.
rerandomize_each_iteration определяет, следует ли переинициализировать последовательность генерируемых случайных чисел для каждой эпохи. По умолчанию значение равно False, и набор данных генерирует одну и ту же последовательность случайных чисел для каждой эпохи.
ds1 = tf.data.Dataset.random(seed=4).take(10) ds2 = tf.data.Dataset.random(seed=4).take(10) print(list(ds1.as_numpy_iterator())==list(ds2.as_numpy_iterator())) True
ds3 = tf.data.Dataset.random(seed=4).take(10) ds3_first_epoch = list(ds3.as_numpy_iterator()) ds3_second_epoch = list(ds3.as_numpy_iterator()) print(ds3_first_epoch == ds3_second_epoch) True
ds4 = tf.data.Dataset.random(
seed=4, rerandomize_each_iteration=True).take(10)
ds4_first_epoch = list(ds4.as_numpy_iterator())
ds4_second_epoch = list(ds4.as_numpy_iterator())
print(ds4_first_epoch == ds4_second_epoch)
False| Аргументы | |
|---|---|
seed | (Необязательно) Если указано, набор данных генерирует детерминированную последовательность значений. |
rerandomize_each_iteration | (Необязательно) Если установлено в False, набор данных генерирует одну и ту же последовательность случайных чисел для каждой эпохи. Если установлено в True, он генерирует другую детерминированную последовательность случайных чисел для каждой эпохи. По умолчанию значение равно False, если оно не указано. |
name | (Необязательно.) Имя операции tf.data. |
| Возвращаемое значение | |
|---|---|
Dataset | Dataset. |
range
@staticmethod
range(
*args, **kwargs
) -> 'DatasetV2'
Создает Dataset последовательности значений с заданным шагом.
list(Dataset.range(5).as_numpy_iterator()) [0, 1, 2, 3, 4] list(Dataset.range(2, 5).as_numpy_iterator()) [2, 3, 4] list(Dataset.range(1, 5, 2).as_numpy_iterator()) [1, 3] list(Dataset.range(1, 5, -2).as_numpy_iterator()) [] list(Dataset.range(5, 1).as_numpy_iterator()) [] list(Dataset.range(5, 1, -2).as_numpy_iterator()) [5, 3] list(Dataset.range(2, 5, output_type=tf.int32).as_numpy_iterator()) [2, 3, 4] list(Dataset.range(1, 5, 2, output_type=tf.float32).as_numpy_iterator()) [1.0, 3.0]
| Аргументы | |
|---|---|
*args | соответствует тем же семантикам, что и python's range. len(args) == 1 -> start = 0, stop = args[0], step = 1. len(args) == 2 -> start = args[0], stop = args[1], step = 1. len(args) == 3 -> start = args[0], stop = args[1], step = args[2]. |
**kwargs |
|
| Возвращаемое значение | |
|---|---|
Dataset | RangeDataset. |
| Исключения | |
|---|---|
ValueError | если len(args) == 0. |
rebatch
rebatch(
batch_size, drop_remainder=False, name=None
) -> 'DatasetV2'
Создает Dataset, который перегруппировывает элементы из этого набора данных.
rebatch(N) функционально эквивалентно unbatch().batch(N), но более эффективно, выполняя одну копию вместо двух.
ds = tf.data.Dataset.range(6) ds = ds.batch(2) ds = ds.rebatch(3) list(ds.as_numpy_iterator()) [array([0, 1, 2]), array([3, 4, 5])]
ds = tf.data.Dataset.range(7) ds = ds.batch(4) ds = ds.rebatch(3) list(ds.as_numpy_iterator()) [array([0, 1, 2]), array([3, 4, 5]), array([6])]
ds = tf.data.Dataset.range(7) ds = ds.batch(2) ds = ds.rebatch(3, drop_remainder=True) list(ds.as_numpy_iterator()) [array([0, 1, 2]), array([3, 4, 5])]
Если аргумент batch_size является списком, rebatch циклически проходит по списку, чтобы определить размер 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 является вектором, эти значения циклически повторяются. |
drop_remainder | (Необязательно.) Скалярный тензор типа tf.bool, представляющий, следует ли отбрасывать последний пакет в случае, если в нем меньше элементов, чем batch_size[cycle_index]; по умолчанию меньший пакет не отбрасывается. |
name | (Необязательно.) Имя операции tf.data. |
| Возвращаемое значение | |
|---|---|
Dataset скалярных элементов dtype. |
reduce
reduce(
initial_state, reduce_func, name=None
)
Сводит входной набор данных к одному элементу.
Преобразование последовательно вызывает reduce_func на каждом элементе входного набора данных, пока набор данных не исчерпается, накапливая информацию во внутренней переменной состояния. 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. |
| Возвращаемое значение | |
|---|---|
| Элемент набора данных, соответствующий конечному состоянию преобразования. |
rejection_resample
rejection_resample(
class_func, target_dist, initial_dist=None, seed=None, name=None
) -> 'DatasetV2'
Примечание: Данная реализация может отклонять или повторять элементы, чтобы достичьtarget_dist. Поэтому в некоторых случаях выходDatasetможет быть больше, чем входDataset.
initial_dist = [0.6, 0.4] n = 1000 elems = np.random.choice(len(initial_dist), size=n, p=initial_dist) dataset = tf.data.Dataset.from_tensor_slices(elems) zero, one = np.bincount(list(dataset.as_numpy_iterator())) / n
Следуя из initial_dist, zero составляет ~0,6, а one составляет ~0,4.
target_dist = [0.5, 0.5] dataset = dataset.rejection_resample( class_func=lambda x: x, target_dist=target_dist, initial_dist=initial_dist) dataset = dataset.map(lambda class_func_result, data: data) zero, one = np.bincount(list(dataset.as_numpy_iterator())) / n
Следуя из target_dist, zero составляет ~0,5, а one составляет ~0,5.
| Аргументы | |
|---|---|
class_func | Функция, отображающая элемент входного набора данных на скалярный тензор tf.int32. Значения должны быть в [0, num_classes). |
target_dist | Тензор с плавающей точкой, с формой [num_classes]. |
initial_dist | (Необязательно.) Тензор с плавающей точкой, с формой [num_classes]. Если не указано, распределение истинных классов оценивается в потоковом режиме. |
seed | (Необязательно.) Целое число Python для инициализации генератора случайных чисел ресамплера. |
name | (Необязательно.) Имя операции tf.data. |
| Возвращаемое значение | |
|---|---|
Новый Dataset с применённым преобразованием, как описано выше. |
repeat
repeat(
count=None, name=None
) -> 'DatasetV2'
Повторяет этот набор данных, чтобы каждое исходное значение было видно count раз.
dataset = tf.data.Dataset.from_tensor_slices([1, 2, 3]) dataset = dataset.repeat(3) list(dataset.as_numpy_iterator()) [1, 2, 3, 1, 2, 3, 1, 2, 3]
Примечание: Если входной набор данных зависит от глобального состояния (например, генератора случайных чисел) или его выход не является детерминированным (например, из-за предыдущей shuffle), то различные повторения могут генерировать разные элементы.
| Аргументы | |
|---|---|
count | (Необязательно.) Скалярный тензор типа tf.int64, 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. |
| Возвращаемое значение | |
|---|---|
Новый Dataset с применённым преобразованием, как описано выше. |
sample_from_datasets
@staticmethod
sample_from_datasets(
datasets,
weights=None,
seed=None,
stop_on_empty_dataset=False,
rerandomize_each_iteration=None
) -> 'DatasetV2'
Случайно выбирает элементы из наборов данных в datasets.
Создаёт набор данных путём переплетения элементов datasets с вероятностью weight[i] 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 весами:
sample_dataset = tf.data.Dataset.sample_from_datasets(
[dataset1, dataset2], weights=[0.5, 0.5])
Один из возможных результатов элементов в sample_dataset:
print(list(sample_dataset.as_numpy_iterator())) # [100, 0, 1, 101, 2, 102]
| Аргументы | |
|---|---|
datasets | Непустой список объектов tf.data.Dataset с совместимой структурой. |
weights | (Необязательно.) Список или тензор len(datasets) значений с плавающей точкой, где weights[i] представляет вероятность выбора из datasets[i], или объект tf.data.Dataset, где каждый элемент — такой список. По умолчанию распределение равномерное по datasets. |
seed | (Необязательно.) Скалярный тензор типа tf.int64, представляющий семенной случайный генератор для создания распределения. См. tf.random.set_seed для поведения. |
stop_on_empty_dataset | Если True, выбор останавливается, если он встречает пустой набор данных. Если False, выбор продолжается и пропускаются любые пустые наборы данных. Рекомендуется установить в True. В противном случае распределение выборок начинает работать так, как пользователь предполагает, но может изменяться по мере того, как входные наборы данных становятся пустыми. Это может быть трудно обнаружить, поскольку набор данных сначала выглядит правильно. По умолчанию False для обратной совместимости. |
rerandomize_each_iteration | Необязательный bool. Булевое значение управляет тем, будет ли пересчитываться последовательность случайных чисел, используемых для определения, из какого набора данных выбирать, в каждой эпохе. То есть определяет, будут ли наборы данных выбираться в том же порядке в разных эпохах (поведение по умолчанию) или нет. |
| Возвращаемое значение | |
|---|---|
Набор данных, который переплетает элементы из datasets случайным образом, в соответствии с weights, если указано, иначе с равномерной вероятностью. |
| Возможные ошибки | |
|---|---|
TypeError | Если аргументы datasets или weights имеют неправильный тип. |
ValueError |
|
save
save(
path, compression=None, shard_func=None, checkpoint_args=None
)
Сохраняет содержимое данного набора данных.
Пример использования:
import tempfile path = os.path.join(tempfile.gettempdir(), "saved_data") # Save a dataset dataset = tf.data.Dataset.range(2) dataset.save(path) new_dataset = tf.data.Dataset.load(path) for elem in new_dataset: print(elem) tf.Tensor(0, shape=(), dtype=int64) tf.Tensor(1, shape=(), dtype=int64)
Сохранённый набор данных сохраняется в нескольких файлах «фрагментах». По умолчанию выход набора данных делится на фрагменты в порядке круговой очереди, но можно указать пользовательское разделение на фрагменты с помощью функции shard_func. Например, можно сохранить набор данных, используя один фрагмент следующим образом:
dataset = make_dataset()
def custom_shard_func(element):
return np.int64(0)
dataset.save(
path="/path/to/data", ..., shard_func=custom_shard_func)
Чтобы включить создание 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 файла, используемые для сохранения набора данных, рассматриваются как реализационные детали и могут измениться. По этой причине наборы данных, сохранённые с помощьюtf.data.Dataset.save, должны потребляться только черезtf.data.Dataset.load, который гарантирует обратную совместимость.
| Аргументы | |
|---|---|
path | Обязательно. Каталог для сохранения набора данных. |
compression | Необязательно. Алгоритм сжатия данных при записи. Поддерживаемые варианты — GZIP и NONE. По умолчанию NONE. |
shard_func | Необязательно. Функция для управления отображением элементов набора данных на фрагменты файлов. Ожидается, что функция отобразит элементы входного набора данных на идентификаторы фрагментов int64. Если указана, функция будет отслеживаться и выполняться как вычисление графа. |
checkpoint_args | Необязательные аргументы для создания контрольных точек, которые будут переданы в tf.train.CheckpointManager. Если checkpoint_args не указаны, то создание контрольных точек не будет выполнено. Реализация save() создаёт объект tf.train.Checkpoint внутри, поэтому пользователям не следует устанавливать аргумент checkpoint в checkpoint_args. |
| Возвращаемое значение | |
|---|---|
| Операция, которая, при выполнении, производит сохранение. При записи контрольных точек возвращает None. Возвращаемое значение полезно при тестировании. |
| Возможные ошибки | |
|---|---|
ValueError, если checkpoint передаётся в checkpoint_args. |
scan
scan(
initial_state, scan_func, name=None
) -> 'DatasetV2'
Преобразование, которое сканирует функцию по входному набору данных.
Это состояниевое преобразование, аналогичное tf.data.Dataset.map. Помимо отображения scan_func по элементам входного набора данных, scan() накапливает один или несколько тензоров состояния, начальные значения которых initial_state.
dataset = tf.data.Dataset.range(10) initial_state = tf.constant(0, dtype=tf.int64) scan_func = lambda state, i: (state + i, state + i) dataset = dataset.scan(initial_state=initial_state, scan_func=scan_func) list(dataset.as_numpy_iterator()) [0, 1, 3, 6, 10, 15, 21, 28, 36, 45]
| Args | |
|---|---|
initial_state | Вложенная структура тензоров, представляющая начальное состояние аккумулятора. |
scan_func | Функция, которая отображает (old_state, input_element) на (new_state, output_element). Она должна принимать два аргумента и возвращать пару вложенных структур тензоров. Структура new_state должна совпадать со структурой initial_state. |
name | (Необязательно.) Имя операции tf.data. |
| Returns | |
|---|---|
Новый Dataset с применённым преобразованием, как описано выше. |
shard
shard(
num_shards, index, name=None
) -> 'DatasetV2'
Создаёт Dataset, содержащий только 1/num_shards элементов этого набора данных.
shard является детерминированным. Набор данных, созданный A.shard(n, i), будет содержать все элементы A, для которых индекс по модулю n равен i.
A = tf.data.Dataset.range(10) B = A.shard(num_shards=3, index=0) list(B.as_numpy_iterator()) [0, 3, 6, 9] C = A.shard(num_shards=3, index=1) list(C.as_numpy_iterator()) [1, 4, 7] D = A.shard(num_shards=3, index=2) list(D.as_numpy_iterator()) [2, 5, 8]
Этот оператор набора данных очень полезен при распределённом обучении, так как он позволяет каждому рабочему процессу считывать уникальный подмножество.
При чтении одного входного файла, вы можете разбить элементы на части следующим образом:
d = tf.data.TFRecordDataset(input_file) d = d.shard(num_workers, worker_index) d = d.repeat(num_epochs) d = d.shuffle(shuffle_buffer_size) d = d.map(parser_fn, num_parallel_calls=num_map_threads)
Важные замечания:
- Убедитесь, что вы разбили набор данных на части до использования любого оператора случайного выбора (например, shuffle).
- В целом лучше всего использовать оператор shard в начале конвейера набора данных. Например, при чтении из набора файлов TFRecord разбейте набор данных на части до преобразования его в входные образцы. Это позволит избежать чтения каждого файла на каждом рабочем процессе. Ниже приведён пример эффективной стратегии разбиения на части в полном конвейере:
d = Dataset.list_files(pattern, shuffle=False)
d = d.shard(num_workers, worker_index)
d = d.repeat(num_epochs)
d = d.shuffle(shuffle_buffer_size)
d = d.interleave(tf.data.TFRecordDataset,
cycle_length=num_readers, block_length=1)
d = d.map(parser_fn, num_parallel_calls=num_map_threads)
| Args | |
|---|---|
num_shards | Скалярное значение типа tf.int64 tf.Tensor, представляющее количество фрагментов, работающих параллельно. |
index | Скалярное значение типа tf.int64 tf.Tensor, представляющее индекс рабочего процесса. |
name | (Необязательно.) Имя операции tf.data. |
| Returns | |
|---|---|
Новый Dataset с применённым преобразованием, как описано выше. |
| Raises | |
|---|---|
InvalidArgumentError | если num_shards или index имеют недопустимые значения. Примечание: проверка ошибок выполняется с наилучшим результатом, и ошибки не гарантированы при создании набора данных. (например, предоставление плацехолдера вместо тензора обойдет раннюю проверку, и в результате вызовет ошибку во время вызова session.run.) |
shuffle
shuffle(
buffer_size, seed=None, reshuffle_each_iteration=None, name=None
) -> 'DatasetV2'
Случайно перемешивает элементы этого набора данных.
Этот набор данных заполняет буфер buffer_size элементами, затем случайным образом выбирает элементы из этого буфера, заменяя выбранные элементы новыми элементами. Для идеального перемешивания требуется размер буфера, больший или равный полному размеру набора данных.
Например, если ваш набор данных содержит 10 000 элементов, но buffer_size имеет значение 1 000, то shuffle изначально выберет случайный элемент только из первых 1 000 элементов в буфере. Как только элемент выбран, его место в буфере заполняется следующим (т.е. 1 001-м) элементом, сохраняя буфер размером 1 000 элементов.
reshuffle_each_iteration управляет тем, должны ли порядки перемешивания отличаться для каждой эпохи. В TF 1.X стандартным способом создания эпох было 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 создавать эпохи также с помощью итераций по Python:
dataset = tf.data.Dataset.range(3) dataset = dataset.shuffle(3, reshuffle_each_iteration=True) list(dataset.as_numpy_iterator()) # [1, 0, 2] list(dataset.as_numpy_iterator()) # [1, 2, 0]
dataset = tf.data.Dataset.range(3) dataset = dataset.shuffle(3, reshuffle_each_iteration=False) list(dataset.as_numpy_iterator()) # [1, 0, 2] list(dataset.as_numpy_iterator()) # [1, 0, 2]
Полное перемешивание всех данных
Чтобы перемешать весь набор данных, установите buffer_size=dataset.cardinality(). Это эквивалентно установке buffer_size равной количеству элементов в наборе данных, что приводит к равномерному перемешиванию.
Примечание: shuffle(dataset.cardinality()) загружает весь набор данных в память, чтобы его можно было перемешать. Это приведёт к ошибке переполнения памяти (OOM), если набор данных слишком большой, поэтому полное перемешивание следует использовать только для наборов данных, которые помещаются в 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]
| Args | |
|---|---|
buffer_size | Скалярное значение типа tf.int64 tf.Tensor, представляющее количество элементов из этого набора данных, которые будут выбираться для нового набора данных. Чтобы равномерно перемешать весь набор данных, используйте buffer_size=dataset.cardinality(). |
seed | (Необязательно.) Скалярное значение типа tf.int64 tf.Tensor, представляющее случайное семя, которое будет использоваться для создания распределения. См. tf.random.set_seed для получения информации о поведении. |
reshuffle_each_iteration | (Необязательно.) Булево значение, которое, если равно true, указывает, что набор данных должен быть псевдослучайным образом перемешан каждый раз, когда по нему итерируется. (По умолчанию True.) |
name | (Необязательно.) Имя операции tf.data. |
| Returns | |
|---|---|
Новый Dataset с применённым преобразованием, как описано выше. |
skip
skip(
count, name=None
) -> 'DatasetV2'
Создаёт Dataset, пропускающий count элементов из этого набора данных.
dataset = tf.data.Dataset.range(10) dataset = dataset.skip(7) list(dataset.as_numpy_iterator()) [7, 8, 9]
| Args | |
|---|---|
count | Скалярное значение типа tf.int64 tf.Tensor, представляющее количество элементов этого набора данных, которые необходимо пропустить, чтобы сформировать новый набор данных. Если count больше размера этого набора данных, новый набор данных не будет содержать элементов. Если count равно -1, пропускаются все элементы набора данных. |
name | (Необязательно.) Имя операции tf.data. |
| Returns | |
|---|---|
Новый Dataset с применённым преобразованием, как описано выше. |
snapshot
snapshot(
path,
compression='AUTO',
reader_func=None,
shard_func=None,
name=None
) -> 'DatasetV2'
API для сохранения выходных данных входного набора данных.
API snapshot позволяет пользователям прозрачно сохранять выходные данные своего конвейера предобработки на диск и материализовать предварительно обработанные данные в другом запуске обучения.
Этот API позволяет объединять повторяющиеся шаги предобработки и повторно использовать уже обработанные данные, жертвуя хранилищем на диске и пропускной способностью сети для высвобождения ресурсов ЦП и вычислительной мощности ускорителей.
https://github.com/tensorflow/community/blob/master/rfcs/20200107-tf-data-snapshot.md содержит подробную документацию по проектированию этой функции.
Пользователи могут указать различные параметры для управления поведением снимка, включая способы чтения и записи снимков, передавая пользовательские функции параметрам reader_func и shard_func.
shard_func — это пользовательская функция, которая отображает входные элементы на фрагменты снимка.
Пользователи могут указать эту функцию для управления тем, как файлы снимка должны записываться на диск. Ниже приведён пример записи потенциальной shard_func.
dataset = ...
dataset = dataset.enumerate()
dataset = dataset.snapshot("/path/to/snapshot/dir",
shard_func=lambda x, y: x % NUM_SHARDS, ...)
dataset = dataset.map(lambda x, y: y)
reader_func — это пользовательская функция, которая принимает один аргумент: (1) набор данных из 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 параллельности.
Вот пример стандартной функции чтения, которую может определить пользователь. Эта функция обеспечивает перемешивание набора данных и параллельное чтение наборов данных:
def user_reader_func(datasets):
# shuffle the datasets splits
datasets = datasets.shuffle(NUM_CORES)
# read datasets in parallel and interleave their elements
return datasets.interleave(lambda x: x, num_parallel_calls=AUTOTUNE)
dataset = dataset.snapshot("/path/to/snapshot/dir",
reader_func=user_reader_func)
По умолчанию snapshot параллелизует чтение по количеству ядер, доступных в системе, но не будет пытаться перемешивать данные.
END_OF_DOCUMENT_MARKER| Аргументы | |
|---|---|
path | Обязательно. Директория для хранения/загрузки моментального снимка. |
compression | Необязательно. Тип сжатия, применяемый к моментальному снимку, записанному на диск. Поддерживаемые варианты — GZIP, SNAPPY, AUTO или None. По умолчанию используется AUTO, который пытается выбрать подходящий алгоритм сжатия для набора данных. |
reader_func | Необязательно. Функция управления чтением данных из фрагментов моментального снимка. |
shard_func | Необязательно. Функция управления фрагментацией данных при записи моментального снимка. |
name | (Необязательно.) Имя операции tf.data. |
| Возвращаемое значение | |
|---|---|
Новый Dataset с применённым, как описано выше, преобразованием. |
sparse_batch
sparse_batch(
batch_size, row_shape, name=None
) -> 'DatasetV2'
Объединяет последовательные элементы в tf.sparse.SparseTensor.
Как и Dataset.padded_batch(), это преобразование объединяет несколько последовательных элементов набора данных, которые могут иметь разные формы, в один элемент. Результирующий элемент имеет три компонента (indices, values и dense_shape), которые 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 | Скалярный тензор tf.int64, представляющий количество последовательных элементов этого набора данных для объединения в один пакет. |
row_shape | Объект типа tf.TensorShape или tf.int64 векторного тензора, 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 должен иметь размер, меньший или равный row_shape в каждой размерности. |
name | (Необязательно.) Строка, указывающая имя операции tf.data. |
| Возвращаемое значение | |
|---|---|
Новый Dataset с применённым, как описано выше, преобразованием. |
take
take(
count, name=None
) -> 'DatasetV2'
Создаёт Dataset с не более чем count элементами из этого набора данных.
dataset = tf.data.Dataset.range(10) dataset = dataset.take(3) list(dataset.as_numpy_iterator()) [0, 1, 2]
| Аргументы | |
|---|---|
count | Скалярный тензор tf.int64, представляющий количество элементов этого набора данных, которые следует взять для формирования нового набора данных. Если count равно -1 или если count больше размера этого набора данных, новый набор данных будет содержать все элементы этого набора данных. |
name | (Необязательно.) Имя операции tf.data. |
| Возвращаемое значение | |
|---|---|
Новый Dataset с применённым, как описано выше, преобразованием. |
take_while
take_while(
predicate, name=None
) -> 'DatasetV2'
Преобразование, останавливающее итерацию набора данных на основе predicate.
dataset = tf.data.Dataset.range(10) dataset = dataset.take_while(lambda x: x < 5) list(dataset.as_numpy_iterator()) [0, 1, 2, 3, 4]
| 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 операции tf.data. |
| Возвращаемое значение | |
|---|---|
Новый Dataset с применённым, как описано выше, преобразованием. |
unbatch
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 разгруппированный набор данных будет содержать B последовательных элементов формы [a0, a1, ...].
elements = [ [1, 2, 3], [1, 2], [1, 2, 3, 4] ] dataset = tf.data.Dataset.from_generator(lambda: elements, tf.int64) dataset = dataset.unbatch() list(dataset.as_numpy_iterator()) [1, 2, 3, 1, 2, 1, 2, 3, 4]
Примечание:unbatchтребует копии данных для разделения объединённого тензора на более мелкие, не объединённые тензоры. При оптимизации производительности старайтесь избегать ненужного использованияunbatch.
| Аргументы | |
|---|---|
name | (Необязательно.) Имя операции tf.data. |
| Возвращаемое значение | |
|---|---|
Новый Dataset с применённым, как описано выше, преобразованием. |
unique
unique(
name=None
) -> 'DatasetV2'
Преобразование, отбрасывающее дубликаты элементов набора данных.
Используйте это преобразование, чтобы получить набор данных, содержащий один экземпляр каждого уникального элемента во входных данных. 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, помещающиеся в оперативную память, и элементы типовtf.int32,tf.int64илиtf.string.
| Аргументы | |
|---|---|
name | (Необязательно.) Имя операции tf.data. |
| Возвращаемое значение | |
|---|---|
Новый Dataset с применённым, как описано выше, преобразованием. |
window
window(
size, shift=None, stride=1, drop_remainder=False, name=None
) -> 'DatasetV2'
Возвращает набор данных "окон".
Каждое "окно" — это набор данных, содержащий подмножество элементов входного набора данных. Это конечные наборы данных размером size (или возможно меньше, если нет достаточно входных элементов для заполнения окна и drop_remainder оценивается как False).
Например:
dataset = tf.data.Dataset.range(7).window(3) for window in dataset: print(window) <...Dataset element_spec=TensorSpec(shape=(), dtype=tf.int64, name=None)> <...Dataset element_spec=TensorSpec(shape=(), dtype=tf.int64, name=None)> <...Dataset element_spec=TensorSpec(shape=(), dtype=tf.int64, name=None)>
Поскольку окна являются наборами данных, их можно перебирать:
for window in dataset: print(list(window.as_numpy_iterator())) [0, 1, 2] [3, 4, 5] [6]
Сдвиг
Аргумент shift определяет количество входных элементов, сдвигаемых между началом каждого окна. Если окна и элементы пронумерованы, начиная с 0, первый элемент в окне k будет элементом k * shift входного набора данных. В частности, первый элемент первого окна всегда будет первым элементом входного набора данных.
dataset = tf.data.Dataset.range(7).window(3, shift=1,
drop_remainder=True)
for window in dataset:
print(list(window.as_numpy_iterator()))
[0, 1, 2]
[1, 2, 3]
[2, 3, 4]
[3, 4, 5]
[4, 5, 6]Шаг
Аргумент stride определяет шаг между входными элементами 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
При применении преобразования window к набору данных, элементы которого являются вложенными структурами, он 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]]]
Применяя window к Dataset кортежей, получается 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 набору словарей даёт словарь Datasets:
dataset = tf.data.Dataset.from_tensor_slices({'a': [1, 2, 3],
'b': [4, 5, 6],
'c': [7, 8, 9]})
dataset = dataset.window(2)
def to_numpy(ds):
return list(ds.as_numpy_iterator())
for windows in dataset:
print(tf.nest.map_structure(to_numpy, windows))
{'a': [1, 2], 'b': [4, 5], 'c': [7, 8]}
{'a': [3], 'b': [6], 'c': [9]}Разворачивание набора данных окон
Методы Dataset.flat_map и Dataset.interleave могут быть использованы для разворачивания набора данных окон в один набор данных.
Аргумент для flat_map — функция, которая принимает элемент из набора данных и возвращает Dataset. flat_map последовательно объединяет полученные наборы данных.
Например, для преобразования каждого окна в плотный тензор:
dataset = tf.data.Dataset.range(7).window(3, shift=1,
drop_remainder=True)
batched = dataset.flat_map(lambda x:x.batch(3))
for batch in batched:
print(batch.numpy())
[0 1 2]
[1 2 3]
[2 3 4]
[3 4 5]
[4 5 6]| Аргументы | |
|---|---|
size | Скалярное значение tf.int64 типа tf.Tensor, представляющее количество элементов входного набора данных для объединения в окно. Должно быть положительным. |
shift | (Необязательно.) Скалярное значение tf.int64 типа tf.Tensor, представляющее количество входных элементов, на которое окно смещается на каждой итерации. По умолчанию равно size. Должно быть положительным. |
stride | (Необязательно.) Скалярное значение tf.int64 типа tf.Tensor, представляющее шаг входных элементов в скользящем окне. Значение по умолчанию 1 означает "сохранить каждый входной элемент". |
drop_remainder | (Необязательно.) Скалярное значение tf.bool типа tf.Tensor, указывающее, нужно 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
with_options(
options, name=None
) -> 'DatasetV2'
Возвращает новый tf.data.Dataset с заданными параметрами.
Параметры являются "глобальными" в том смысле, что они применяются ко всему набору данных. Если параметры задаются несколько раз, они объединяются, при условии, что разные параметры не используют разные значения, отличные от значений по умолчанию.
ds = tf.data.Dataset.range(5)
ds = ds.interleave(lambda x: tf.data.Dataset.range(5),
cycle_length=3,
num_parallel_calls=3)
options = tf.data.Options()
# This will make the interleave order non-deterministic.
options.deterministic = False
ds = ds.with_options(options)| Аргументы | |
|---|---|
options | tf.data.Options, определяющий используемые параметры. |
name | (Необязательно.) Имя операции tf.data. |
| Возвращает | |
|---|---|
Новый Dataset с применённым преобразованием, как описано выше. |
| Исключения | |
|---|---|
ValueError | если параметр задаётся более одного раза с нестандартным значением |
zip
@staticmethod
zip(
*args, datasets=None, name=None
) -> 'DatasetV2'
Создаёт Dataset путём объединения заданных наборов данных.
Этот метод имеет схожие семантику с встроенной функцией zip() в Python, основное различие заключается в том, что аргумент datasets может быть (вложенной) структурой объектов Dataset. Поддерживаемые механизмы вложенности документированы здесь.
# The datasets or nested structure of datasets `*args` argument
# determines the structure of elements in the resulting dataset.
a = tf.data.Dataset.range(1, 4) # ==> [ 1, 2, 3 ]
b = tf.data.Dataset.range(4, 7) # ==> [ 4, 5, 6 ]
ds = tf.data.Dataset.zip(a, b)
list(ds.as_numpy_iterator())
[(1, 4), (2, 5), (3, 6)]
ds = tf.data.Dataset.zip(b, a)
list(ds.as_numpy_iterator())
[(4, 1), (5, 2), (6, 3)]
# The `datasets` argument may contain an arbitrary number of datasets.
c = tf.data.Dataset.range(7, 13).batch(2) # ==> [ [7, 8],
# [9, 10],
# [11, 12] ]
ds = tf.data.Dataset.zip(a, b, c)
for element in ds.as_numpy_iterator():
print(element)
(1, 4, array([7, 8]))
(2, 5, array([ 9, 10]))
(3, 6, array([11, 12]))
# The number of elements in the resulting dataset is the same as
# the size of the smallest dataset in `datasets`.
d = tf.data.Dataset.range(13, 15) # ==> [ 13, 14 ]
ds = tf.data.Dataset.zip(a, d)
list(ds.as_numpy_iterator())
[(1, 13), (2, 14)]| Аргументы | |
|---|---|
*args | Наборы данных или вложенные структуры наборов данных для объединения. Не может быть задано, если задан datasets. |
datasets | (Вложенная) структура наборов данных. Не может быть задано, если задан *args. Обратите внимание, что это существует только для обратной совместимости, и предпочтительно использовать *args. |
name | (Необязательно.) Имя операции tf.data. |
| Возвращает | |
|---|---|
Новый Dataset с применённым преобразованием, как описано выше. |
__bool__
__bool__()
__iter__
Создаёт итератор для элементов данного набора данных.
Возвращаемый итератор реализует протокол Python Iterator.
| Возвращает | |
|---|---|
tf.data.Iterator для элементов данного набора данных. |
| Исключения | |
|---|---|
RuntimeError | Если не внутри tf.function и не выполняется в режиме eager. |
__len__
__len__()
Возвращает длину набора данных, если она известна и конечна.
Этот метод требует, чтобы вы выполняли код в режиме eager и длина набора данных была известной и конечной. Когда длина может быть неизвестной или бесконечной, или если вы выполняете код в режиме graph, используйте tf.data.Dataset.cardinality.
| Возвращает | |
|---|---|
| Целое число, представляющее длину набора данных. |
| Исключения | |
|---|---|
RuntimeError | Если длина набора данных неизвестна или бесконечна, или если режим eager не включён. |
__nonzero__
__nonzero__()
© 2022 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 4.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/api_docs/python/tf/compat/v1/data/FixedLengthRecordDataset