Spec-Zone.ru › TensorFlow

tf.compat.v1.data.TextLineDataset

A набор строк из одного или нескольких текстовых файлов.

Наследуется от: Dataset, Dataset

tf.compat.v1.data.TextLineDataset(
    filenames,
    compression_type=None,
    buffer_size=None,
    num_parallel_reads=None,
    name=None
)
Аргументы
filenames A tf.data.Dataset с элементами, которые являются скалярами tf.string, тензором tf.string, или значением, которое может быть преобразовано в тензор tf.string (например, списком строк Python).
compression_type (Необязательно.) Скаляр tf.string, принимающий одно из значений "" (без сжатия), "ZLIB", или "GZIP".
buffer_size (Необязательно.) Скаляр tf.int64, обозначающий количество байтов для буферизации. Значение 0 приводит к значениям буферизации по умолчанию, выбранным на основе типа сжатия.
num_parallel_reads (Необязательно.) Скаляр tf.int64, представляющий количество файлов для одновременного чтения. Если больше единицы, записи из прочитанных файлов выводится в переплетенном порядке. Если ваша конвейерная обработка данных ограничена ввода-выводом, рассмотрите возможность установить это значение больше единицы, чтобы распараллелить ввод-вывод. Если None, файлы будут читаться последовательно.
name (Необязательно.) Имя операции tf.data.
Атрибуты
element_spec Спецификация типа элемента этого набора данных.
dataset = tf.data.Dataset.from_tensor_slices([1, 2, 3])
dataset.element_spec
TensorSpec(shape=(), dtype=tf.int32, name=None)

Для получения дополнительной информации, ознакомьтесь с этим руководством.

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

Методы

apply

Посмотреть исходный код

apply(
    transformation_func
) -> 'DatasetV2'

Применяет функцию преобразования к этому набору данных.

apply позволяет объединять кастомные Dataset преобразования, которые представлены 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, принимающая один Dataset аргумент и возвращающая Dataset.
Возвращаемые значения
Новый Dataset с применённым преобразованием, как описано выше.

as_numpy_iterator

Посмотреть исходный код

as_numpy_iterator()

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

Используйте as_numpy_iterator для проверки содержимого вашего набора данных. Чтобы увидеть формы и типы элементов, распечатайте элементы набора данных напрямую, а не используя as_numpy_iterator.

dataset = tf.data.Dataset.from_tensor_slices([1, 2, 3])
for element in dataset:
  print(element)
tf.Tensor(1, shape=(), dtype=int32)
tf.Tensor(2, shape=(), dtype=int32)
tf.Tensor(3, shape=(), dtype=int32)

Этот метод требует, чтобы вы работали в режиме eager, и элемент набора данных содержал только TensorSpec компоненты.

dataset = tf.data.Dataset.from_tensor_slices([1, 2, 3])
for element in dataset.as_numpy_iterator():
  print(element)
1
2
3
dataset = tf.data.Dataset.from_tensor_slices([1, 2, 3])
print(list(dataset.as_numpy_iterator()))
[1, 2, 3]

as_numpy_iterator() сохранит вложенную структуру элементов набора данных.

dataset = tf.data.Dataset.from_tensor_slices({'a': ([1, 2], [3, 4]),
                                              'b': [5, 6]})
list(dataset.as_numpy_iterator()) == [{'a': (1, 3), 'b': 5},
                                      {'a': (2, 4), 'b': 6}]
True
Возвращаемые значения
Итерируемый объект над элементами набора данных, с их тензорами, преобразованными в массивы NumPy.
Возможные исключения
TypeError если элемент содержит не-Tensor значение.
RuntimeError если режим eager не включен.

batch

Посмотреть исходный код

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

Объединяет последовательные элементы этого набора данных в пакеты.

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

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

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

bucket_by_sequence_length

Посмотреть исходный код

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

Преобразование, группирующее 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 похожими длинами уменьшает общую долю заполнения в партии, что повышает эффективность шага обучения.

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

elements = [
  [0], [1, 2, 3, 4], [5, 6, 7],
  [7, 8, 9, 10, 11], [13, 14, 15, 16, 19, 20], [21, 22]]
dataset = tf.data.Dataset.from_generator(
    lambda: elements, tf.int64, output_shapes=[None])
dataset = dataset.bucket_by_sequence_length(
        element_length_func=lambda elem: tf.shape(elem)[0],
        bucket_boundaries=[3, 5],
        bucket_batch_sizes=[2, 2, 2])
for elem in dataset.as_numpy_iterator():
  print(elem)
[[1 2 3 4]
[5 6 7 0]]
[[ 7  8  9 10 11  0]
[13 14 15 16 19 20]]
[[ 0  0]
[21 22]]
Аргументы
element_length_func Функция, преобразующая элемент из Dataset в tf.int32, определяющая длину элемента, которая определяет корзину, в которую он попадает.
bucket_boundaries list<int>, верхние граничные значения длин корзин.
bucket_batch_sizes list<int>, размер партии в каждой корзине. Длина должна быть len(bucket_boundaries) + 1.
padded_shapes Вложенная структура tf.TensorShape для передачи в tf.data.Dataset.padded_batch. Если не указано, будет использовано значение dataset.output_shapes, что приведёт к дополнению переменных длинных измерений 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 Логическое значение, если False, размерность с неизвестным размером будет дополнена до максимальной длины в партии. Если True, размерность с неизвестным размером будет дополнена до границы корзины минус 1 (т.е., максимальной длины в каждой корзине), и вызывающий метод должен гарантировать, что исходный Dataset не содержит элементов с длиной, большей, чем max(bucket_boundaries).
no_padding bool, указывает, нужно ли дополнять признаки партии (признаки должны быть типа tf.sparse.SparseTensor или иметь одинаковую форму).
drop_remainder (Необязательно.) Скалярный тензор типа tf.bool, представляющий, следует ли отбрасывать последнюю партию в случае, если она содержит меньше, чем batch_size элементов; по умолчанию меньшая партия не отбрасывается.
name (Необязательно.) Имя операции tf.data.
Возвращаемое значение
Новый Dataset с применённым преобразованием, как описано выше.
Исключения
ValueError если len(bucket_batch_sizes) != len(bucket_boundaries) + 1.

cache

Посмотреть исходный код

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

Кэширует элементы в этом наборе данных.

При первом итерационном проходе по набору данных его элементы кэшируются либо в указанном файле, либо в памяти. При последующих итерациях используются кэшированные данные.

Примечание: Для гарантии завершения кэширования входной набор данных должен быть проитерирован полностью до момента 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 данных будет считывать данные из файла кэша. Изменение входного канала перед вызовом .cache() не повлияет на процесс до удаления файла кэша или изменения имени файла.

dataset = tf.data.Dataset.range(5)
dataset = dataset.cache("/path/to/file")
list(dataset.as_numpy_iterator())
# [0, 1, 2, 3, 4]
dataset = tf.data.Dataset.range(10)
dataset = dataset.cache("/path/to/file")  # Same file!
list(dataset.as_numpy_iterator())
# [0, 1, 2, 3, 4]
Примечание: cache произведёт точно такие же элементы во время каждой итерации по набору данных. Если вы хотите случайный порядок итераций, убедитесь, что вызвана функция shuffle после вызова cache.
Аргументы
filename Скалярный тензор типа tf.string, представляющий имя каталога в файловой системе для кэширования элементов в этом наборе данных. Если имя файла не указано, набор данных будет кэширован в памяти.
name (Необязательно.) Имя операции tf.data.
Возвращаемое значение
Новый Dataset с применённым преобразованием, как описано выше.

cardinality

Посмотреть исходный код

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 смог определить количество элементов в наборе данных (например, когда источником набора данных является файл).

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

choose_from_datasets

Посмотреть исходный код

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

Создаёт набор данных, который детерминированно выбирает элементы из datasets.

Например, при следующих наборах данных:

datasets = [tf.data.Dataset.from_tensors("foo").repeat(),
            tf.data.Dataset.from_tensors("bar").repeat(),
            tf.data.Dataset.from_tensors("baz").repeat()]

# Define a dataset containing `[0, 1, 2, 0, 1, 2, 0, 1, 2]`.
choice_dataset = tf.data.Dataset.range(3).repeat(3)

result = tf.data.Dataset.choose_from_datasets(datasets, choice_dataset)

Элементы result будут:

"foo", "bar", "baz", "foo", "bar", "baz", "foo", "bar", "baz"
Аргументы
datasets Непустой список объектов tf.data.Dataset с совместимой структурой.
choice_dataset Набор данных скалярных тензоров типа tf.int64 между 0 и len(datasets) - 1.
stop_on_empty_dataset Если True, выбор останавливается при встрече пустого набора данных. Если False, пустые наборы данных пропускаются. Рекомендуется установить значение True. В противном случае выбранные элементы первоначально соответствуют намерениям пользователя, но могут измениться по мере того, как входные наборы данных становятся пустыми. Это может быть трудно обнаружить, так как набор данных первоначально выглядит правильно. По умолчанию True.
Возвращаемое значение
Новый Dataset с применённым преобразованием, как описано выше.
Исключения
TypeError Если datasets или choice_dataset имеют неправильный тип.
ValueError Если datasets пусто.

concatenate

Просмотреть исходный код

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

Создаёт Dataset, конкатенируя заданный набор данных с этим набором данных.

a = tf.data.Dataset.range(1, 4)  # ==> [ 1, 2, 3 ]
b = tf.data.Dataset.range(4, 8)  # ==> [ 4, 5, 6, 7 ]
ds = a.concatenate(b)
list(ds.as_numpy_iterator())
[1, 2, 3, 4, 5, 6, 7]
# The input dataset and dataset to be concatenated should have
# compatible element specs.
c = tf.data.Dataset.zip((a, b))
a.concatenate(c)
Traceback (most recent call last):
TypeError: Two datasets to concatenate have different types
<dtype: 'int64'> and (tf.int64, tf.int64)
d = tf.data.Dataset.from_tensor_slices(["a", "b", "c"])
a.concatenate(d)
Traceback (most recent call last):
TypeError: Two datasets to concatenate have different types
<dtype: 'int64'> and <dtype: 'string'>
Аргументы
dataset Dataset, который необходимо конкатенировать.
name (Необязательно.) Имя операции tf.data.
Возвращаемое значение
Новый Dataset с применённой трансформацией, как описано выше.

counter

Просмотреть исходный код

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

Создаёт Dataset, который считает от start с шагом step.

В отличие от tf.data.Dataset.range, которая останавливается на определённом конечном числе, tf.data.Dataset.counter генерирует элементы бесконечно.

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

enumerate

Просмотреть исходный код

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

Перечисляет элементы этого набора данных.

Аналогично встроенной функции enumerate Python.

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

filter

Просмотреть исходный код

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

Фильтрует этот набор данных в соответствии с predicate.

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

filter_with_legacy_function

Просмотреть исходный код

filter_with_legacy_function(
    predicate
) -> 'DatasetV2'

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

Устарело: ЭТА ФУНКЦИЯ УСТАРЕЛА. Она будет удалена в будущей версии. Инструкции по обновлению: Используйте `tf.data.Dataset.filter()`
Примечание: Это временное решение для существующих случаев использования filter, которые не работают с функциями V2. Новые случаи использования категорически не рекомендуются, и существующие должны быть перенесены на filter, так как этот метод будет удалён в V2.
Аргументы
predicate Функция, отображающая (вложенную) структуру тензоров (с формами и типами, определёнными self.output_shapes и self.output_types) в скалярный tf.bool тензор.
Возвращаемое значение
Dataset Dataset, содержащий элементы этого набора данных, для которых predicate имеет значение True.

fingerprint

Просмотреть исходный код

fingerprint()

Вычисляет отпечаток этого Dataset.

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

Однако два набора данных, генерирующие одинаковые значения, не всегда означают, что у них будет одинаковый отпечаток из-за различных структур графа.

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

Возвращаемое значение
Скалярный tf.Tensor типа tf.uint64.

flat_map

Просмотреть исходный код

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

Применяет map_func к этому набору данных и уплощает результат.

Тип подписи:

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

Используйте flat_map, если хотите убедиться, что порядок вашего набора данных сохраняется. Например, чтобы уплостить набор данных из пакетов в набор данных их элементов:

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

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

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

from_generator

Просмотреть исходный код

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

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

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

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

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

Рекомендуемый способ вызова from_generator — использование аргумента output_signature. В этом случае выходные данные будут предполагаться состоящими из объектов с классами, формами и типами, определенными объектами tf.TypeSpec из аргумента output_signature:

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

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

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

Также существует устаревший способ вызова from_generator, 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, определенными output_types, и формами, которые либо неизвестны, либо определены аргументом output_shapes.

Примечание: Если generator зависит от изменяемых глобальных переменных или другого внешнего состояния, имейте в виду, что во время выполнения generator может быть вызвано несколько раз (для поддержки повторения Dataset) и в любое время между вызовом Dataset.from_generator() и производством первого элемента из генератора. Изменение глобальных переменных или внешнего состояния может привести к неопределенному поведению, и мы рекомендуем явно кэшировать любое внешнее состояние в generator перед вызовом Dataset.from_generator().
Примечание: Хотя параметр output_signature позволяет получать элементы Dataset, область действия Dataset.from_generator() должна быть ограничена логикой, которую нельзя выразить с помощью операций tf.data. Использование операций tf.data внутри функции-генератора является антипаттерном и может привести к нарастающему 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.) (Вложенная) структура объектов tf.DType, соответствующих каждому компоненту элемента, выводимого функцией generator.
output_shapes (Необязательно.) (Вложенная) структура объектов tf.TensorShape, соответствующих каждому компоненту элемента, выводимого функцией generator.
args (Необязательно.) Кортеж объектов tf.Tensor, которые будут вычислены и переданы функции generator в качестве аргументов массивов NumPy.
output_signature (Необязательно.) (Вложенная) структура объектов tf.TypeSpec, соответствующих каждому компоненту элемента, выводимого функцией generator.
name (Необязательно.) Имя для операций tf.data, используемых функцией from_generator.
Возвращает
Dataset Объект Dataset.

from_sparse_tensor_slices

Просмотр исходного кода

@staticmethod
from_sparse_tensor_slices(
    sparse_tensor
)

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

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

from_tensor_slices

Просмотр исходного кода

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

Создаёт набор данных Dataset, элементы которого являются срезами 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, и выполнение в режиме eager отключено, значения будут встроены в граф как одна или несколько операций tf.constant. Для больших наборов данных (> 1 ГБ) это может привести к потере памяти и 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 документированы здесь.
name (Необязательно.) Имя для операции tf.data.
Возвращает
Dataset Объект Dataset.

from_tensors

Просмотр исходного кода

@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 нарезать 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, и выполнение в режиме eager отключено, значения будут встроены в граф как одна или несколько операций tf.constant. Для больших наборов данных (> 1 ГБ) это может привести к потере памяти и 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 документированы здесь.
name (Необязательно.) Имя для операции tf.data.
Возвращает
Dataset Объект Dataset.

get_single_element

Просмотр исходного кода

get_single_element(
    name=None
)

Возвращает единственный элемент набора данных dataset.

Функция позволяет использовать набор данных tf.data.Dataset в бессостоятельном выражении «тензор-вход, тензор-выход» без создания итератора. Это упрощает преобразование данных тензоров 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 и метки.

def preprocessing_fn(raw_feature):
  # ... the raw_feature is preprocessed as per the use-case
  return feature

raw_features = ...  # input batch of BATCH_SIZE elements.
dataset = (tf.data.Dataset.from_tensor_slices(raw_features)
          .map(preprocessing_fn, num_parallel_calls=BATCH_SIZE)
          .batch(BATCH_SIZE))

processed_features = dataset.get_single_element()

В приведенном выше примере тензор raw_features длиной = BATCH_SIZE был преобразован в набор данных tf.data.Dataset. Затем каждый из элементов raw_feature был преобразован с помощью preprocessing_fn, и обработанные признаки были сгруппированы в одну партию. Конечный набор данных dataset содержит только один элемент, который представляет собой партию всех обработанных признаков.

Примечание: Набор данных dataset должен содержать только один элемент.

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

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

Keras

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

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

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

preprocessing_model = PreprocessingModel(model)
your_exported_model_dir = ... # save the model to this path.
tf.saved_model.save(preprocessing_model, your_exported_model_dir,
              signatures={'serving_default': preprocessing_model.serving_fn}
              )
Аргументы
name (Необязательно.) Имя для операции tf.data.
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

Просмотреть исходный код

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

Группирует окна элементов по ключу и уменьшает их.

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

Вы можете предоставить либо постоянное значение window_size, либо размер окна, определяемый ключом с помощью window_size_func.

dataset = tf.data.Dataset.range(10)
window_size = 5
key_func = lambda x: x%2
reduce_func = lambda key, dataset: dataset.batch(window_size)
dataset = dataset.group_by_window(
          key_func=key_func,
          reduce_func=reduce_func,
          window_size=window_size)
for elem in dataset.as_numpy_iterator():
  print(elem)
[0 2 4 6 8]
[1 3 5 7 9]
Аргументы
key_func Функция, сопоставляющая вложенную структуру тензоров (с формами и типами, определёнными self.output_shapes и self.output_types) со скалярным тензором tf.int64.
reduce_func Функция, сопоставляющая ключ и набор данных, содержащий до window_size последовательных элементов, соответствующих этому ключу, с другим набором данных.
window_size Скалярный tf.Tensor типа tf.int64, представляющий количество последовательных элементов, соответствующих одному и тому же ключу, для объединения в одну партию, которое будет передано в reduce_func. Взаимоисключительно с window_size_func.
window_size_func Функция, сопоставляющая ключ со скалярным tf.Tensor типа tf.int64, представляющий количество последовательных элементов, соответствующих одному и тому же ключу, для объединения в одну партию, которое будет передано в reduce_func. Взаимоисключительно 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 из аргументов {window_size, window_size_func} или оба не были переданы.

ignore_errors

Просмотреть исходный код

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

Отбрасывает элементы, которые вызывают ошибки.

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

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

interleave

Просмотреть исходный код

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

Применяет map_func к этому набору данных и переплетает результаты.

Подпись типа:

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

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

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

Аргументы cycle_length и block_length управляют порядком, в котором производятся элементы. cycle_length управляет количеством входных элементов, которые обрабатываются одновременно. Если вы установите cycle_length в 1, это преобразование будет обрабатывать по одному входному элементу за раз и даст такие же результаты, как tf.data.Dataset.flat_map. В общем случае, это преобразование будет применять map_func к cycle_length входным элементам, открывать итераторы на возвращённых объектах Dataset, перебирать их, производя block_length последовательных элементов из каждого итератора и потребляя следующий входной элемент каждый раз, когда достигает конца итератора.

Например:

dataset = Dataset.range(1, 6)  # ==> [ 1, 2, 3, 4, 5 ]
# NOTE: New lines indicate "block" boundaries.
dataset = dataset.interleave(
    lambda x: Dataset.from_tensors(x).repeat(6),
    cycle_length=2, block_length=4)
list(dataset.as_numpy_iterator())
[1, 1, 1, 1,
 2, 2, 2, 2,
 1, 1,
 2, 2,
 3, 3, 3, 3,
 4, 4, 4, 4,
 3, 3,
 4, 4,
 5, 5, 5, 5,
 5, 5]
Примечание: Порядок элементов, выводимых этим преобразованием, является детерминированным, до тех пор, пока map_func является чистой функцией и deterministic=True. Если map_func содержит любые операции состояния, порядок, в котором это состояние будет обработано, не определён.

Производительность часто можно улучшить, задав num_parallel_calls, чтобы interleave использовал несколько потоков для извлечения элементов. Если детерминизм не требуется, производительность также можно улучшить, задав deterministic=False.

filenames = ["/var/data/file1.txt", "/var/data/file2.txt",
             "/var/data/file3.txt", "/var/data/file4.txt"]
dataset = tf.data.Dataset.from_tensor_slices(filenames)
dataset = dataset.interleave(lambda x: tf.data.TFRecordDataset(x),
    cycle_length=4, num_parallel_calls=tf.data.AUTOTUNE,
    deterministic=False)
Аргументы
map_func Функция, которая принимает элемент набора данных и возвращает набор данных tf.data.Dataset.
cycle_length (Необязательно.) Количество входных элементов, которые будут обрабатываться одновременно. Если не задано, tf.data runtime решает, каким оно должно быть, на основе доступного процессора. Если num_parallel_calls задан как tf.data.AUTOTUNE, аргумент cycle_length определяет максимальную степень параллелизма.
block_length (Необязательно.) Количество последовательных элементов, которые будут производиться от каждого входного элемента перед переходом к другому входному элементу. Если не задано, по умолчанию равно 1.
num_parallel_calls (Необязательно.) Если указано, реализация создаёт пул потоков, который используется для асинхронного и параллельного получения входов из циклических элементов. По умолчанию поведение заключается в синхронном получении входов от циклических элементов без параллелизма. Если используется значение tf.data.AUTOTUNE, тогда количество параллельных вызовов задаётся динамически на основе доступного процессора.
deterministic (Необязательно.) При указании num_parallel_calls, если этот булевый аргумент указан (True или False), он контролирует порядок, в котором преобразование производит элементы. Если установлен в False, преобразованию разрешается генерировать элементы в неупорядоченном порядке, чтобы поменять детерминизм на производительность. Если не указано, опция tf.data.Options.deterministic (по умолчанию True) контролирует поведение.
name (Необязательно.) Имя операции tf.data.
Возвращает
Новый набор данных Dataset с применённым преобразованием, как описано выше.

list_files

Просмотреть исходный код

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

Набор данных всех файлов, соответствующих одному или нескольким шаблонам glob.

Аргумент file_pattern должен содержать небольшое количество шаблонов glob. Если имена файлов уже были обработаны glob, используйте Dataset.from_tensor_slices(filenames) вместо этого, так как повторное применение glob к каждому имени файла с помощью list_files может привести к низкой производительности при работе с удалёнными хранилищами.

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

Если мы передаём "/path/to/dir/*.py" в качестве директории, набор данных произведёт:

  • /path/to/dir/b.py
  • /path/to/dir/c.py
Аргументы
file_pattern Строка, список строк или tf.Tensor типа строка (скаляр или вектор), представляющие шаблон(ы) соответствия имени файла (т.е. оболочки командной строки) с подстановкой шаблонов.
shuffle (Необязательно.) Если True, имена файлов будут случайным образом перемешаны. По умолчанию True.
seed (Необязательно.) Скалярный tf.int64 tf.Tensor, представляющий случайное семя, которое будет использовано для создания распределения. См. tf.random.set_seed для поведения.
name Необязательно. Имя tf.data операций, используемых list_files.
Возвращаемое значение
Dataset Список строк, соответствующих именам файлов.

load

Просмотреть исходный код

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

Загружает ранее 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 использовался параметр фрагментации сохранённого 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. Ожидается, что reader_func примет один аргумент — набор данных наборов данных, каждый из которых содержит элементы одного из фрагментов, — и вернёт набор данных элементов. Например, порядок фрагментов можно перемешать при их загрузке следующим образом:

def custom_reader_func(datasets):
  datasets = datasets.shuffle(NUM_SHARDS)
  return datasets.interleave(lambda x: x, num_parallel_calls=AUTOTUNE)

dataset = tf.data.Dataset.load(
    path="/path/to/data", ..., reader_func=custom_reader_func)
Аргументы
path 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 элементов. Если не указано, используется вложенная структура tf.TypeSpec, сохранённая с сохранённым набором данных. Обратите внимание, что этот аргумент необходим в режиме графа.
compression Необязательно. Алгоритм для декомпрессии данных при чтении. Поддерживаются GZIP и NONE. По умолчанию NONE.
reader_func Необязательно. Функция для управления чтением данных из фрагментов. При её наличии функция будет прослежена и выполнена как вычисление в графе.
Возвращаемое значение
Экземпляр tf.data.Dataset.
Исключения
FileNotFoundError Если element_spec не указано, а вложенная структура tf.TypeSpec не может быть найдена в сохранённом наборе данных.
ValueError Если element_spec не указано, и метод выполняется в режиме графа.

make_initializable_iterator

Просмотреть исходный код

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

Создаёт итератор для элементов этого набора данных. (устаревшее)

Устаревшее: ЭТА ФУНКЦИЯ УСТАРЕЛА. Она будет удалена в будущей версии. Инструкции по обновлению: Это устаревший API, который следует использовать только в режиме графа TF 1 и устаревшем режиме графа TF 2, доступном через tf.compat.v1. Во всех других ситуациях — в частности, в режиме ожидания и внутри tf.function — элементы набора данных можно потреблять с помощью for elem in dataset: ... или создавая итератор явно с помощью iterator = iter(dataset) и извлекая его элементы с помощью values = next(iterator). Кроме того, этот API недоступен в TF 2. Во время перехода от TF 1 к TF 2 можно использовать tf.compat.v1.data.make_initializable_iterator(dataset) для создания итератора в стиле режима графа TF 1 для набора данных, созданного с помощью API TF 2. Обратите внимание, что это должно быть временное состояние вашего кода, так как в общем случае нет гарантий о взаимозаменяемости кода TF 1 и TF 2.
Примечание: Возвращённый итератор будет в неинициализированном состоянии, и необходимо выполнить операцию iterator.initializer, прежде чем использовать его:
# Building graph ...
dataset = ...
iterator = dataset.make_initializable_iterator()
next_value = iterator.get_next()  # This is a Tensor.

# ... from within a session ...
sess.run(iterator.initializer)
try:
  while True:
    value = sess.run(next_value)
    ...
except tf.errors.OutOfRangeError:
    pass
Аргументы
shared_name (Необязательно.) Если непусто, возвращённый итератор будет совместно использоваться под заданным именем во множестве сеансов, которые используют одни и те же устройства (например, при использовании удалённого сервера).
Возвращаемое значение
tf.data.Iterator для элементов этого набора данных.
Исключения
RuntimeError Если включено выполнение в режиме ожидания.

make_one_shot_iterator

Просмотреть исходный код

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

Создаёт итератор для элементов этого набора данных. (устаревшее)

Устаревшее: ЭТА ФУНКЦИЯ УСТАРЕЛА. Она будет удалена в будущей версии. Инструкции по обновлению: Это устаревший API, который следует использовать только в режиме графа TF 1 и устаревшем режиме графа TF 2, доступном через tf.compat.v1. Во всех других ситуациях — в частности, в режиме ожидания и внутри tf.function — элементы набора данных можно потреблять с помощью for elem in dataset: ... или создавая итератор явно с помощью iterator = iter(dataset) и извлекая его элементы с помощью values = next(iterator). Кроме того, этот API недоступен в TF 2. Во время перехода от TF 1 к TF 2 можно использовать tf.compat.v1.data.make_one_shot_iterator(dataset) для создания итератора в стиле режима графа TF 1 для набора данных, созданного с помощью API TF 2. Обратите внимание, что это должно быть временное состояние вашего кода, так как в общем случае нет гарантий о взаимозаменяемости кода TF 1 и TF 2.
Примечание: Возвращённый итератор будет инициализирован автоматически. "Одноразовый" итератор в настоящее время не поддерживает повторную инициализацию. Для этого см. make_initializable_iterator.

Пример:

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

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

map

Просмотреть исходный код

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

Применяет map_func ко всем элементам этого набора данных.

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

Например, map можно использовать для добавления 1 к каждому элементу или для проекции подмножества компонентов элементов.

dataset = Dataset.range(1, 6)  # ==> [ 1, 2, 3, 4, 5 ]
dataset = dataset.map(lambda x: x + 1)
list(dataset.as_numpy_iterator())
[2, 3, 4, 5, 6]

Входной тип 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 определён map_func (режим ожидания или режим графа), tf.data прослеживает функцию и выполняет её как вычисление в графе. Для использования кода Python внутри функции у вас есть несколько вариантов:

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

2) Используйте tf.py_function, что позволяет вам писать произвольный код Python, но, как правило, приведёт 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 код Python. Обратите внимание, что tf.py_function принимает tf.Tensor, а tf.numpy_function — массивы NumPy и возвращает только массивы NumPy. Например:

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

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

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

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

Порядок элементов, возвращаемых этим преобразованием, является детерминированным, если deterministic=True. Если map_func содержит операции с состоянием, и num_parallel_calls > 1, порядок доступа к этому состоянию не определён, поэтому значения выходных элементов могут 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.) Скалярное значение tf.int64 tf.Tensor, представляющее количество элементов для обработки асинхронно в параллели. Если не указано, элементы будут обрабатываться последовательно. Если используется значение tf.data.AUTOTUNE, то количество параллельных вызовов динамически настраивается на основе доступных ЦП.
deterministic (Необязательно.) Когда num_parallel_calls указан, если этот булевый параметр указан (True или False), он управляет порядком, в котором преобразование генерирует элементы. Если установлено значение False, преобразование может возвращать элементы в произвольном порядке, чтобы обменять детерминизм на производительность. Если не указано, поведение контролируется параметром tf.data.Options.deterministic (по умолчанию True).
name (Необязательно.) Имя операции tf.data.
Возвращаемые значения
Новый Dataset с применённым преобразованием, как описано выше.

map_with_legacy_function

Просмотреть исходный код

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

Применяет map_func к элементам этого набора данных. (устарело)

Устарело: ЭТА ФУНКЦИЯ УСТАРЕЛА. Она будет удалена в будущей версии. Инструкции по обновлению: Используйте `tf.data.Dataset.map()`
Примечание: Это временное решение для существующих применений map, которые не работают с функциями V2. Новые применения настоятельно не рекомендуются, и существующие должны мигрировать к map, так как этот метод будет удалён в V2.
Аргументы
map_func Функция, отображающая (вложенную) структуру тензоров (с формами и типами, определёнными self.output_shapes и self.output_types) на другую (вложенную) структуру тензоров.
num_parallel_calls (Необязательно.) Скалярное значение tf.int32 tf.Tensor, представляющее количество элементов для обработки асинхронно в параллели. Если не указано, элементы будут обрабатываться последовательно. Если используется значение tf.data.AUTOTUNE, то количество параллельных вызовов динамически настраивается на основе доступных ЦП.
deterministic (Необязательно.) Когда num_parallel_calls указан, этот булевый параметр управляет порядком, в котором преобразование генерирует элементы. Если установлено значение False, преобразование может возвращать элементы в произвольном порядке, чтобы обменять детерминизм на производительность. Если не указано, поведение контролируется параметром tf.data.Options.deterministic (по умолчанию True).
Возвращаемые значения
Dataset Dataset.

options

Просмотреть исходный код

options()

Возвращает параметры для этого набора данных и его входных данных.

Возвращаемые значения
Объект tf.data.Options, представляющий параметры набора данных.

padded_batch

Просмотреть исходный код

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

Объединяет последовательные элементы этого набора данных в заполненные пакеты.

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

Как и tf.data.Dataset.batch, компоненты результирующего элемента будут иметь дополнительное внешнее измерение, которое будет batch_size (или N % batch_size для последнего элемента, если batch_size не делит количество входных элементов N равномерно, и drop_remainder равно False). Если ваш код зависит от одинакового внешнего измерения пакетов, установите аргумент drop_remainder в True, чтобы предотвратить формирование меньшего пакета.

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

  • Если измерение является константой, компонент будет дополнен до этого значения 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 Скалярное значение tf.int64 tf.Tensor, представляющее количество последовательных элементов этого набора данных, объединяемых в один пакет.
padded_shapes (Необязательно.) (Вложенная) структура tf.TensorShape или tf.int64 вектороподобных объектов, представляющих форму, до которой следует дополнить соответствующий компонент каждого входного элемента перед формированием пакета. Любые неизвестные измерения будут дополнены до максимального размера этого измерения в каждом пакете. padded_shapes необходимо установить, если у любого компонента неизвестный ранг.
padding_values (Необязательно.) (Вложенная) структура скалярных tf.Tensor, представляющих значения заполнения для соответствующих компонентов. None означает, что (вложенная) структура должна быть дополнена значениями по умолчанию. Значения по умолчанию — 0 для числовых типов и пустая строка для строковых типов. Структура padding_values должна иметь ту же (вложенную) структуру, что и входной набор данных. Если padding_values — один элемент, а входной набор данных имеет несколько компонентов, то одно и то же значение padding_values будет использоваться для заполнения каждого компонента набора данных. Если padding_values — скаляр, его значение будет транслировано для соответствия форме каждого компонента.
drop_remainder (Необязательно.) Скалярное значение tf.bool tf.Tensor, представляющее, следует ли отбрасывать последний пакет в случае, если он содержит меньше, чем batch_size элементов; по умолчанию меньший пакет не отбрасывается.
name (Необязательно.) Имя операции tf.data.
Возвращаемые значения
Новый Dataset с применённым преобразованием, как описано выше.
Исключения
ValueError Если у компонента неизвестный ранг, а аргумент padded_shapes не установлен.
TypeError Если тип компонента не поддерживается. Список поддерживаемых типов описан в https://www.tensorflow.org/guide/data#dataset_structure

prefetch

Просмотреть исходный код

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

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

Большинство каналов ввода набора данных должны заканчиваться вызовом prefetch. Это позволяет подготовить последующие элементы, пока обрабатывается текущий. Это часто улучшает задержки и пропускную способность, но за счёт использования дополнительной памяти для хранения предварительно загруженных элементов.

Примечание: Как и другие методы Dataset, prefetch работает с элементами входного набора данных. Он не понимает понятий «примеры» и «пакеты». examples.prefetch(2) предварительно загрузит два элемента (2 примера), в то время как examples.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 tf.int64 типа int64, представляющий максимальное количество элементов, которые будут буферизованы при предварительной загрузке. Если используется значение AUTOTUNE, размер буфера динамически настраивается.
name Необязательно. Название преобразования tf.data.
Возвращает
Новый Dataset с применённым преобразованием, как описано выше.

ragged_batch

Просмотреть исходный код

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

Объединяет последовательные элементы этого набора данных в tf.RaggedTensor.

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

В отличие от batch, входные элементы для объединения в пакет могут иметь разные формы:

  • Если входной элемент является tf.Tensor, у которого статическая tf.TensorShape полностью определена, то он объединяется в пакет в обычном режиме.
  • Если входной элемент является tf.Tensor, у которого статическая tf.TensorShape содержит одну или несколько осей с неизвестным размером (т. е., shape[i]=None), то вывод будет содержать tf.RaggedTensor, который является разрывистым до любой из таких размерностей.
  • Если входной элемент является tf.RaggedTensor или любого другого типа, то он объединяется в пакет в обычном режиме.

Пример:

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

random

Просмотреть исходный код

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

Создаёт Dataset псевдослучайных значений.

Набор данных генерирует последовательность целых значений, равномерно распределённых.

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

ds1 = tf.data.Dataset.random(seed=4).take(10)
ds2 = tf.data.Dataset.random(seed=4).take(10)
print(list(ds1.as_numpy_iterator())==list(ds2.as_numpy_iterator()))
True
ds3 = tf.data.Dataset.random(seed=4).take(10)
ds3_first_epoch = list(ds3.as_numpy_iterator())
ds3_second_epoch = list(ds3.as_numpy_iterator())
print(ds3_first_epoch == ds3_second_epoch)
True
ds4 = tf.data.Dataset.random(
    seed=4, rerandomize_each_iteration=True).take(10)
ds4_first_epoch = list(ds4.as_numpy_iterator())
ds4_second_epoch = list(ds4.as_numpy_iterator())
print(ds4_first_epoch == ds4_second_epoch)
False
Аргументы
seed (Необязательно) Если указано, набор данных генерирует детерминированную последовательность значений.
rerandomize_each_iteration (Необязательно) Если установлено в False, набор данных генерирует ту же последовательность случайных чисел для каждой эпохи. Если установлено в True, он генерирует различную детерминированную последовательность случайных чисел для каждой эпохи. По умолчанию False, если не указано.
name (Необязательно.) Название операции tf.data.
Возвращает
Dataset Dataset.

range

Просмотреть исходный код

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

Создаёт Dataset диапазона 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 Имеет ту же семантику, что и функция range в Python. len(args) == 1 -> start = 0, stop = args[0], step = 1. len(args) == 2 -> start = args[0], stop = args[1], step = 1. len(args) == 3 -> start = args[0], stop = args[1], step = args[2].
**kwargs
  • output_type: Ожидаемый тип данных. (Необязательно, по умолчанию: int64).
  • name: (Необязательно.) Название операции tf.data.
Возвращает
Dataset RangeDataset.
Исключения
ValueError если len(args) == 0.

rebatch

Просмотреть исходный код

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

Создаёт Dataset, который перегруппировывает элементы из этого набора данных.

rebatch(N) функционально эквивалентен unbatch().batch(N), но более эффективен, выполняя одну копию вместо двух.

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

Если аргумент batch_size представляет собой список, rebatch циклически проходит по этому 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 int64, представляющий размер пакетов для создания. Если этот аргумент представляет собой вектор, эти значения циклически повторяются в режиме круговой очереди.
drop_remainder (Необязательно.) Скалярный tf.bool типа bool, представляющий, должен ли быть пропущен последний пакет в случае, если он содержит меньше, чем batch_size[cycle_index] элементов; по умолчанию меньший пакет не пропускается.
name (Необязательно.) Название операции tf.data.
Возвращает
Dataset скалярных элементов dtype.

reduce

Просмотреть исходный код

reduce(
    initial_state, reduce_func, name=None
)

Сводит входной набор данных к одному элементу.

Преобразование вызывает reduce_func последовательно на каждом элементе входного набора данных до тех пор, пока набор данных не будет исчерпан, накапливая информацию в своём внутреннем состоянии. Аргумент initial_state используется для начального состояния, а конечное состояние возвращается в качестве результата.

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

rejection_resample

Просмотреть исходный код

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

Перевыборка элементов для достижения целевого распределения.

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

Следуя из initial_dist, zero 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 в скалярный tf.int32 тензор. Значения должны быть в [0, num_classes).
target_dist Тензор с плавающей запятой, формы [num_classes].
initial_dist (Необязательно.) Тензор с плавающей запятой, формы [num_classes]. Если не указано, истинная распределение классов оценивается в режиме потоковой передачи.
seed (Необязательно.) Целое число Python для задания начального значения генератора псевдослучайных чисел.
name (Необязательно.) Имя операции tf.data.
Возвращаемое значение
Новый Dataset с применённым преобразованием, как описано выше.

repeat

Просмотреть исходный код

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

Повторяет этот набор данных, так что каждое исходное значение будет отображено count раз.

dataset = tf.data.Dataset.from_tensor_slices([1, 2, 3])
dataset = dataset.repeat(3)
list(dataset.as_numpy_iterator())
[1, 2, 3, 1, 2, 3, 1, 2, 3]
Примечание: Если входной набор данных зависит от глобального состояния (например, генератора случайных чисел) или его выходные данные не детерминированы (например, из-за предшествующей shuffle), то разные повторения могут производить разные элементы.
Аргументы
count (Необязательно.) Скалярный tf.int64 tf.Tensor, представляющий количество раз, которое набор данных должен быть повторён. По умолчанию (если count равно None или -1) набор данных повторяется бесконечно.
name (Необязательно.) Имя операции tf.data.
Возвращаемое значение
Новый Dataset с применённым преобразованием, как описано выше.

sample_from_datasets

Просмотреть исходный код

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

Случайный выбор элементов из наборов данных в datasets.

Создаёт набор данных, чередуя элементы из datasets с вероятностью weight[i] выбора элемента из набора данных i. Выборка производится без возвращения. Например, предположим, что у нас есть 2 набора данных:

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

Предположим, что мы выбираем из этих 2 наборов данных с такими весами:

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

Один из возможных результатов элементов в sample_dataset:

print(list(sample_dataset.as_numpy_iterator()))
# [100, 0, 1, 101, 2, 102]
Аргументы
datasets Непустой список объектов tf.data.Dataset с совместимой структурой.
weights (Необязательно.) Список или тензор len(datasets) значений с плавающей запятой, где weights[i] представляет вероятность выборки из datasets[i], или объект tf.data.Dataset, где каждый элемент представляет такой список. По умолчанию равномерное распределение по datasets.
seed (Необязательно.) Скалярный tf.int64 tf.Tensor, представляющий случайное семя, которое будет использоваться для создания распределения. См. tf.random.set_seed для получения информации о поведении.
stop_on_empty_dataset Если True, выборка останавливается, если встречается пустой набор данных. Если False, она продолжает выборку и пропускает любые пустые наборы данных. Рекомендуется установить значение в True. В противном случае распределение выборок изначально соответствует намерениям пользователя, но может измениться по мере того, как входные наборы данных становятся пустыми. Это может быть сложно обнаружить, так как набор данных изначально выглядит правильно. По умолчанию False для обратной совместимости.
rerandomize_each_iteration Необязательный bool. Логический аргумент управляет тем, будет ли последовательность случайных чисел, используемая для определения, из какого набора данных брать выборку, перегенерирована в каждой эпохе. То есть, он определяет, будут ли наборы данных выбираться в одном и том же порядке в разных эпохах (по умолчанию) или нет.
Возвращаемое значение
Набор данных, который случайным образом чередует элементы из datasets в соответствии с weights, если указано, иначе с равной вероятностью.
Возможные исключения
TypeError Если аргументы datasets или weights имеют неверный тип.
ValueError
  • Если datasets пуст, или
  • Если weights указан и не совпадает с длиной datasets.

save

Просмотреть исходный код

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

Сохраняет содержимое заданного набора данных.

Пример использования:

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

Сохранённый набор данных сохраняется в нескольких файлах "фрагментах". По умолчанию вывод набора данных разделяется на фрагменты в режиме циклического обхода, но пользовательское разбиение на фрагменты можно указать с помощью функции shard_func. Например, вы можете сохранить набор данных в одном фрагменте следующим образом:

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

Чтобы включить сохранение контрольных точек, передайте checkpoint_args в метод save следующим образом:

dataset = tf.data.Dataset.range(100)
save_dir = "..."
checkpoint_prefix = "..."
step_counter = tf.Variable(0, trainable=False)
checkpoint_args = {
  "checkpoint_interval": 50,
  "step_counter": step_counter,
  "directory": checkpoint_prefix,
  "max_to_keep": 20,
}
dataset.save(dataset, save_dir, checkpoint_args=checkpoint_args)
Примечание: Структура каталога и формат файлов, используемые для сохранения набора данных, считаются деталями реализации и могут изменяться. По этой причине наборы данных, сохранённые через tf.data.Dataset.save, следует потреблять только через tf.data.Dataset.load, что гарантирует обратную совместимость.
Аргументы
path Требуется. Каталог для сохранения набора данных.
compression Необязательно. Алгоритм сжатия данных при записи. Поддерживаются варианты GZIP и NONE. По умолчанию NONE.
shard_func Необязательно. Функция для управления сопоставлением элементов набора данных с фрагментами файлов. Функция должна сопоставлять элементы входного набора данных с идентификаторами фрагментов int64. Если указана, функция будет отслеживаться и выполняться как вычисление графа.
checkpoint_args Необязательные аргументы для сохранения контрольных точек, которые будут переданы в tf.train.CheckpointManager. Если checkpoint_args не указаны, сохранение контрольных точек не будет выполнено. Реализация save() создает объект tf.train.Checkpoint внутри, поэтому пользователям не следует устанавливать аргумент checkpoint в checkpoint_args.
Возвращаемое значение
Операция, которая при выполнении выполняет сохранение. При записи контрольных точек возвращает None. Возвращаемое значение полезно при тестировании.
Возможные исключения
ValueError, если checkpoint передается в checkpoint_args.

scan

Просмотреть исходный код

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

Преобразование, которое применяет функцию к входному набору данных.

Это состояние преобразование по отношению к tf.data.Dataset.map. В дополнение к применению scan_func к 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

Просмотреть исходный код

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

Создаёт Dataset, включающий только 1/num_shards этого набора данных.

shard является детерминированным. Набор данных, созданный A.shard(n, i), будет содержать все элементы A, для которых индекс mod n = i.

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

Этот оператор набора данных очень полезен при выполнении распределённого обучения, поскольку он позволяет каждому рабочему узлу читать уникальный подмножество.

При чтении одного входного файла можно разделить элементы следующим образом:

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

Важные замечания:

  • Убедитесь, что вы разделили набор данных 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 разделите набор данных перед преобразованием его в входные примеры. Это позволит избежать чтения каждого файла на каждом рабочем узле. Ниже приведён пример эффективной стратегии разбиения в полном конвейере:
d = Dataset.list_files(pattern, shuffle=False)
d = d.shard(num_workers, worker_index)
d = d.repeat(num_epochs)
d = d.shuffle(shuffle_buffer_size)
d = d.interleave(tf.data.TFRecordDataset,
                 cycle_length=num_readers, block_length=1)
d = d.map(parser_fn, num_parallel_calls=num_map_threads)
Args
num_shards Скалярный тензор tf.int64 , представляющий количество фрагментов, работающих параллельно.
index Скалярный тензор tf.int64, представляющий индекс рабочего узла.
name (Необязательно.) Имя операции tf.data.
Returns
Новый Dataset с применённым преобразованием, как описано выше.
Raises
InvalidArgumentError если num_shards или index являются недопустимыми значениями.
Примечание: проверка ошибок выполняется в лучшем случае, и ошибки не гарантированы при создании набора данных. (например, предоставление тензора-заполнителя обходит раннюю проверку и вместо этого приведет к ошибке во время вызова session.run.)

shuffle

Просмотреть исходный код

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

Случайно перемешивает элементы этого набора данных.

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

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

reshuffle_each_iteration управляет тем, будет ли порядок перемешивания отличаться для каждой эпохи. В TF 1.X стандартный способ создания эпох осуществлялся с помощью преобразования repeat:

dataset = tf.data.Dataset.range(3)
dataset = dataset.shuffle(3, reshuffle_each_iteration=True)
dataset = dataset.repeat(2)
# [1, 0, 2, 1, 2, 0]

dataset = tf.data.Dataset.range(3)
dataset = dataset.shuffle(3, reshuffle_each_iteration=False)
dataset = dataset.repeat(2)
# [1, 0, 2, 1, 0, 2]

В TF 2.0 объекты tf.data.Dataset являются итерируемыми объектами Python, что позволяет также создавать эпохи с помощью итерации по Python:

dataset = tf.data.Dataset.range(3)
dataset = dataset.shuffle(3, reshuffle_each_iteration=True)
list(dataset.as_numpy_iterator())
# [1, 0, 2]
list(dataset.as_numpy_iterator())
# [1, 2, 0]
dataset = tf.data.Dataset.range(3)
dataset = dataset.shuffle(3, reshuffle_each_iteration=False)
list(dataset.as_numpy_iterator())
# [1, 0, 2]
list(dataset.as_numpy_iterator())
# [1, 0, 2]

Полное перемешивание всех данных

Чтобы перемешать весь набор данных, установите buffer_size=dataset.cardinality(). Это эквивалентно установлению buffer_size, равному 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, как известно, помещаются в память, например, для наборов данных имён файлов или других небольших наборов данных.
dataset = tf.data.Dataset.range(20)
dataset = dataset.shuffle(dataset.cardinality())
# [18, 4, 9, 2, 17, 8, 5, 10, 0, 6, 16, 3, 19, 7, 14, 11, 15, 13, 12, 1]
Args
buffer_size Скалярный тензор tf.int64, представляющий количество элементов из этого набора данных, из которого новый набор данных будет брать выборки. Чтобы равномерно перемешать весь набор данных, используйте buffer_size=dataset.cardinality().
seed (Необязательно.) Скалярный тензор tf.int64, представляющий 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 истинно, указывает, что набор данных должен быть псевдослучайным образом перемешивается каждый раз, когда он перебирается. (По умолчанию True.)
name (Необязательно.) Имя операции tf.data.
Returns
Новый Dataset с применённым преобразованием, как описано выше.

skip

Просмотреть исходный код

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 Скалярный тензор tf.int64, представляющий количество элементов этого набора данных, которые должны быть пропущены для формирования нового набора данных. Если count больше размера этого набора данных, новый набор данных не будет содержать элементов. Если count равно -1, пропускает весь набор данных.
name (Необязательно.) Имя операции tf.data.
Returns
Новый Dataset с применённым преобразованием, как описано выше.

snapshot

Просмотреть исходный код

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

API для сохранения выходных данных набора входных 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 объединить повторяющиеся шаги предобработки и позволяет повторно использовать уже обработанные данные, используя дисковое хранилище и пропускную способность сети в обмен на освобождение ценных ресурсов ЦП и вычислительной мощности ускорителя.

https://github.com/tensorflow/community/blob/master/rfcs/20200107-tf-data-snapshot.md содержит подробную документацию по этому элементу дизайна.

Пользователи могут указать различные параметры для управления поведением снимка, включая то, как снимки читаются и записываются, передав пользовательские функции параметрам reader_func и shard_func.

shard_func — это заданная пользователем функция, которая отображает элементы входного набора данных на фрагменты снимка.

Пользователи могут указать эту функцию, чтобы управлять тем, как файлы снимка записываются на диск. Ниже приведён пример того, как можно записать потенциальную shard_func.

dataset = ...
dataset = dataset.enumerate()
dataset = dataset.snapshot("/path/to/snapshot/dir",
    shard_func=lambda x, y: x % NUM_SHARDS, ...)
dataset = dataset.map(lambda x, y: y)

reader_func — это заданная пользователем функция, которая принимает один аргумент: (1) набор данных наборов данных, каждый из которых представляет собой «разбиение» элементов исходного набора данных. Мощность входного набора данных соответствует числу фрагментов, указанных в shard_func (см. выше). Функция должна вернуть набор данных элементов исходного набора данных.

Пользователи могут указать эту функцию, чтобы управлять тем, как файлы снимка читаются с диска, включая количество перемешивания и параллельности.

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

def user_reader_func(datasets):
  # shuffle the datasets splits
  datasets = datasets.shuffle(NUM_CORES)
  # read datasets in parallel and interleave their elements
  return datasets.interleave(lambda x: x, num_parallel_calls=AUTOTUNE)

dataset = dataset.snapshot("/path/to/snapshot/dir",
    reader_func=user_reader_func)

По умолчанию снимок параллелизует чтение по количеству ядер, доступных в системе, но не будет пытаться перемешать данные.

END_OF_DOCUMENT_MARKER
Аргументы
path Обязательно. Каталог для сохранения/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 для управления чтением данных из фрагментов моментального снимка.
shard_func Необязательно. Функция для управления фрагментацией данных при записи моментального снимка.
name (Необязательно.) Имя операции tf.data.
Возвращаемое значение
Новый Dataset с применённой, как описано выше, трансформацией.

sparse_batch

Посмотреть исходный код

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

Объединяет последовательные элементы в tf.sparse.SparseTensor.

Как и Dataset.padded_batch(), эта трансформация 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 плоскую 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 данного набора данных, которые следует объединить в один пакет.
row_shape Тензор-подобный объект типа tf.TensorShape или tf.int64 , представляющий эквивалентную плоскую 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 каждом измерении.
name (Необязательно.) Строка, обозначающая имя операции tf.data.
Возвращаемое значение
Новый Dataset с применённой, как описано выше, трансформацией.

take

Посмотреть исходный код

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

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

dataset = tf.data.Dataset.range(10)
dataset = dataset.take(3)
list(dataset.as_numpy_iterator())
[0, 1, 2]
Аргументы
count Скалярный тензор tf.int64, представляющий количество элементов этого набора данных, которые 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 применённой, как описано выше, трансформацией.

take_while

Посмотреть исходный код

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

Трансформация, которая останавливает 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 булевый тензор tf.bool.
name (Необязательно.) Имя операции tf.data.
Возвращаемое значение
Новый Dataset с применённой, как описано выше, трансформацией.

unbatch

Посмотреть исходный код

unbatch(
    name=None
) -> 'DatasetV2'

Разбивает элементы набора данных на несколько элементов.

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

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

unique

Посмотреть исходный код

unique(
    name=None
) -> 'DatasetV2'

Трансформация, которая отбрасывает дублирующиеся элементы набора Dataset.

Используйте эту трансформацию, чтобы получить набор данных, содержащий по одному экземпляру каждого уникального элемента во входном наборе 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: Эта трансформация поддерживает только наборы данных, которые помещаются в память, и имеют элементы типа tf.int32, tf.int64 или tf.string.
Аргументы
name (Необязательно.) Имя операции tf.data.
Возвращаемое значение
Новый Dataset с применённой, как описано выше, трансформацией.

window

Посмотреть исходный код

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

Возвращает набор данных «окна».

Каждое «окно» — это набор данных, содержащий подмножество элементов входного набора данных. Это конечные наборы данных размером size (или, возможно, меньше, если нет достаточного количества входных элементов для заполнения окна и drop_remainder вычисляет значение 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, они могут быть перебираемы:

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

Сдвиг

Аргумент shift определяет количество входных элементов, которые следует сдвинуть между началом каждого окна. Если окна и элементы пронумерованы, начиная с 0, первый элемент окна 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 пределах окна.

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

Вложенные элементы

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

Подпись типа:

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

Применение window к набору данных кортежей даёт кортеж окон:

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

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

Применение window к 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]}

Сглаживание набора данных окон

Методы Dataset.flat_map и Dataset.interleave могут быть использованы для сглаживания набора данных окон в один набор данных.

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

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 Скалярный tf.int64 tf.Tensor, представляющий количество элементов входного набора данных, которые нужно объединить в окно. Должно быть положительным.
shift (Необязательно.) Скалярный tf.int64 tf.Tensor, представляющий количество входных элементов, на которые сдвигается окно на каждой итерации. По умолчанию size. Должно быть положительным.
stride (Необязательно.) Скалярный tf.int64 tf.Tensor, представляющий шаг входных элементов в скользящем окне. Значение по умолчанию 1 означает "сохранить каждый входной элемент".
drop_remainder (Необязательно.) Скалярный tf.bool tf.Tensor, представляющий, должны ли быть пропущены последние окна, если их размер меньше, чем size.
name (Необязательно.) Имя операции tf.data.
Возвращает
Новый Dataset с применённым преобразованием, как описано выше.

with_options

Просмотреть исходный код

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

Возвращает новый tf.data.Dataset с заданными опциями.

Опции «глобальные» в том смысле, что они применяются ко всему набору данных. Если опции устанавливаются несколько раз, они объединяются, если разные опции 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 опции.
name (Необязательно.) Имя операции tf.data.
Возвращает
Новый Dataset с применённым преобразованием, как описано выше.
Исключения
ValueError при установке опции более одного раза с нестандартным значением

zip

Просмотреть исходный код

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

Создаёт Dataset, объединяя заданные наборы данных.

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

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

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

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

__bool__

Просмотреть исходный код

__bool__()

__iter__

Просмотреть исходный код

Создаёт итератор для элементов этого набора данных.

Возвращаемый итератор реализует протокол Python Iterator.

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

__len__

Просмотреть исходный код

__len__()

Возвращает длину набора данных, если она известна и конечна.

Этот метод требует, чтобы вы выполнялись в режиме eager и что длина набора данных известна и не бесконечна. Когда длина может быть неизвестна или бесконечной, или если вы выполняетесь в режиме графа, используйте tf.data.Dataset.cardinality вместо этого.

Возвращает
Целое число, представляющее длину набора данных.
Исключения
RuntimeError Если длина набора данных неизвестна или бесконечна, или если режим eager не включён.

__nonzero__

Просмотреть исходный код

__nonzero__()

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

Spec-Zone.ru

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