Spec-Zone.ru › TensorFlow

tf.compat.v1.data.TextLineDataset

Dataset, содержащий строки 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 tf.data.Dataset, элементы которого — скаляры tf.string, тензор tf.string или значение, которое можно преобразовать в тензор tf.string (например, список строк Python).
compression_type (Необязательно.) Скаляр tf.string, принимающий одно из значений "" (без сжатия), "ZLIB" или "GZIP".
buffer_size (Необязательно.) Скаляр tf.int64, задающий число байтов для буферизации. Значение 0 приводит к использованию значений буферизации по умолчанию, выбранных в зависимости от типа сжатия.
num_parallel_reads (Необязательно.) Скаляр tf.int64, задающий число файлов для параллельного чтения. Если значение больше единицы, записи из параллельно читаемых файлов выводятся вперемешку. Если пропускная способность конвейера ввода ограничена операциями ввода-вывода, задайте этому параметру значение больше единицы, чтобы выполнять операции ввода-вывода параллельно. 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)

Подробнее см. в этом руководстве.

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 в цепочку пользовательские преобразования Dataset, представленные функциями, которые принимают один аргумент Dataset и возвращают преобразованный Dataset.

dataset = tf.data.Dataset.range(100)
def dataset_fn(ds):
  return ds.filter(lambda x: x < 5)
dataset = dataset.apply(dataset_fn)
list(dataset.as_numpy_iterator())
[0, 1, 2, 3, 4]
Аргументы
transformation_func Функция, которая принимает один аргумент Dataset и возвращает Dataset.
Возвращает
Новый Dataset с примененным описанным выше преобразованием.

as_numpy_iterator

Посмотреть исходный код

as_numpy_iterator()

Возвращает итератор, преобразующий все элементы набора данных в массивы NumPy.

Используйте as_numpy_iterator для просмотра содержимого набора данных. Чтобы просмотреть формы и типы элементов, выводите элементы набора данных напрямую, а не используйте as_numpy_iterator.

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

Этот метод требует запуска в активном режиме выполнения, а element_spec набора данных должен содержать только компоненты TensorSpec.

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() сохраняет вложенную структуру элементов набора данных.

dataset = tf.data.Dataset.from_tensor_slices({'a': ([1, 2], [3, 4]),
                                              'b': [5, 6]})
list(dataset.as_numpy_iterator()) == [{'a': (1, 3), 'b': 5},
                                      {'a': (2, 4), 'b': 6}]
True
Возвращает
Итерируемый объект с элементами набора данных, в котором тензоры преобразованы в массивы NumPy.
Вызывает исключение
TypeError если элемент содержит значение, не являющееся Tensor.
RuntimeError если активный режим выполнения 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 размером batch_size (или N % batch_size для последнего элемента, если batch_size не делит число входных элементов N без остатка и drop_remainder равно False). Если программа требует, чтобы внешнее измерение пакетов имело одинаковый размер, задайте аргументу drop_remainder значение True, чтобы предотвратить создание пакета меньшего размера.

Примечание: Если программе необходимы данные со статически известной формой (например, при использовании XLA), следует использовать drop_remainder=True. Без drop_remainder=True форма выходного набора данных будет иметь неизвестное начальное измерение из-за возможности создания последнего пакета меньшего размера.
Аргументы
batch_size Скалярный tf.int64 tf.Tensor, задающий число последовательных элементов этого набора данных, объединяемых в один пакет.
drop_remainder (Необязательно.) Скалярный tf.bool tf.Tensor, указывающий, следует ли отбрасывать последний пакет, если в нем меньше batch_size элементов; по умолчанию пакет меньшего размера не отбрасывается.
num_parallel_calls (Необязательно.) Скалярный tf.int64 tf.Tensor, задающий число пакетов, вычисляемых асинхронно параллельно. Если значение не указано, пакеты вычисляются последовательно. Если используется значение tf.data.AUTOTUNE, число параллельных вызовов определяется динамически с учетом доступных ресурсов.
deterministic (Необязательно.) Если указано num_parallel_calls, этот логический параметр (True или False) определяет порядок, в котором преобразование выдает элементы. Если задано значение False, преобразование может выдавать элементы не по порядку, обменивая детерминированность на производительность. Если значение не указано, поведение определяется параметром tf.data.Options.deterministic (по умолчанию — True).
name (Необязательно.) Имя операции tf.data.
Возвращает
Новый Dataset с примененным описанным выше преобразованием.

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 Dataset по длине.

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

Это полезно для задач обработки последовательностей, в которых элементы имеют переменную длину. Группировка элементов близкой длины уменьшает долю дополнения в пакете, повышая эффективность шага обучения.

Ниже приведен пример распределения входных данных по трем диапазонам «[0, 3), [3, 5), [5, inf)» в зависимости от длины последовательности с размером пакета 2.

elements = [
  [0], [1, 2, 3, 4], [5, 6, 7],
  [7, 8, 9, 10, 11], [13, 14, 15, 16, 19, 20], [21, 22]]
dataset = tf.data.Dataset.from_generator(
    lambda: elements, tf.int64, output_shapes=[None])
dataset = dataset.bucket_by_sequence_length(
        element_length_func=lambda elem: tf.shape(elem)[0],
        bucket_boundaries=[3, 5],
        bucket_batch_sizes=[2, 2, 2])
for elem in dataset.as_numpy_iterator():
  print(elem)
[[1 2 3 4]
[5 6 7 0]]
[[ 7  8  9 10 11  0]
[13 14 15 16 19 20]]
[[ 0  0]
[21 22]]
Аргументы
element_length_func функция, преобразующая элемент из Dataset в tf.int32; определяет длину элемента, от которой зависит, в какую корзину он попадёт.
bucket_boundaries list<int>, верхние границы длины корзин.
bucket_batch_sizes list<int>, размер пакета для каждой корзины. Длина должна быть len(bucket_boundaries) + 1.
padded_shapes Вложенная структура из tf.TensorShape, передаваемая в tf.data.Dataset.padded_batch. Если не указана, будет использоваться dataset.output_shapes, в результате чего измерения переменной длины будут дополнены до максимальной длины в каждом пакете.
padding_values Значения для заполнения, передаваемые в tf.data.Dataset.padded_batch. По умолчанию заполнение выполняется нулями.
pad_to_bucket_boundary bool; если False, измерения неизвестного размера будут дополнены до максимальной длины в пакете. Если True, измерения неизвестного размера будут дополнены до границы корзины минус 1 (то есть до максимальной длины в каждой корзине), и вызывающий код должен гарантировать, что исходный Dataset не содержит элементов длиной больше max(bucket_boundaries).
no_padding bool, указывает, следует ли дополнять признаки пакета (признаки должны иметь тип tf.sparse.SparseTensor или одинаковую форму).
drop_remainder (Необязательно.) Скалярный tf.Tensor типа tf.bool, указывающий, следует ли отбрасывать последний пакет, если в нём меньше batch_size элементов; по умолчанию меньший пакет не отбрасывается.
name (Необязательно.) Имя операции tf.data.
Возвращает
Новый объект Dataset с применённым описанным выше преобразованием.
Вызывает исключение
ValueError если len(bucket_batch_sizes) != len(bucket_boundaries) + 1.

cache

Просмотреть исходный код

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

Кэширует элементы этого набора данных.

При первой итерации по набору данных его элементы будут кэшированы в указанном файле или в памяти. При последующих итерациях будут использоваться кэшированные данные.

Примечание: Чтобы кэширование гарантированно завершилось, необходимо полностью перебрать входной набор данных до возникновения StopIteration. В противном случае при последующих итерациях кэшированные данные могут не использоваться.
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 сохраняются между запусками. Даже при первой итерации данные будут считываться из файла кэша. Изменение входного конвейера перед вызовом .cache() не даст никакого эффекта, пока файл кэша не будет удалён или имя файла не будет изменено.

dataset = tf.data.Dataset.range(5)
dataset = dataset.cache("/path/to/file")
list(dataset.as_numpy_iterator())
# [0, 1, 2, 3, 4]
dataset = tf.data.Dataset.range(10)
dataset = dataset.cache("/path/to/file")  # Same file!
list(dataset.as_numpy_iterator())
# [0, 1, 2, 3, 4]
Примечание: cache при каждой итерации по набору данных будет выдавать одни и те же элементы. Чтобы изменить порядок элементов при итерации, обязательно вызывайте shuffle после вызова cache.
Аргументы
filename Скалярный tf.Tensor типа tf.string, задающий имя каталога в файловой системе, который будет использоваться для кэширования элементов этого набора данных. Если имя файла не указано, набор данных будет кэшироваться в памяти.
name (Необязательно.) Имя операции tf.data.
Возвращает
Новый объект Dataset с применённым описанным выше преобразованием.

cardinality

Просмотреть исходный код

cardinality()

Возвращает мощность набора данных, если она известна.

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

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

choose_from_datasets

Просмотреть исходный код

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

Создаёт набор данных, детерминированно выбирающий элементы из datasets.

Например, для следующих наборов 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)

Элементами 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 tf.data.Dataset, содержащий скалярные тензоры типа tf.int64 со значениями от 0 до len(datasets) - 1.
stop_on_empty_dataset Если True, выбор прекращается при обнаружении пустого набора данных. Если False, пустые наборы данных пропускаются. Рекомендуется установить значение True. В противном случае выбранные элементы сначала будут соответствовать ожиданиям пользователя, но могут измениться, когда входные наборы данных опустеют. Это может быть трудно обнаружить, поскольку изначально набор данных выглядит корректно. По умолчанию — True.
Возвращает
Новый объект Dataset с применённым описанным выше преобразованием.
Вызывает исключение
TypeError Если datasets или choice_dataset имеет неверный тип.
ValueError Если datasets пуст.

concatenate

Просмотреть исходный код

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

Создаёт Dataset, объединяя указанный 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 для объединения.
name (Необязательно.) Имя операции tf.data.
Возвращает
Новый объект Dataset с применённым описанным выше преобразованием.

counter

Просмотреть исходный код

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

Создаёт Dataset, который ведёт отсчёт от start с шагом step.

В отличие от tf.data.Dataset.range, который останавливается на конечном значении, tf.data.Dataset.counter выдаёт 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 счётчика. По умолчанию — 0.
step (Необязательно.) Шаг счётчика. По умолчанию — 1.
dtype (Необязательно.) Тип данных элементов счётчика. По умолчанию — tf.int64.
name (Необязательно.) Имя операции tf.data.
Возвращает
Dataset со скалярными элементами типа dtype.

enumerate

Просмотреть исходный код

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

Нумерует элементы этого набора данных.

Это похоже на enumerate в 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 Скалярный tf.Tensor типа tf.int64, задающий начальное значение для нумерации.
name Необязательно. Имя операций tf.data, используемых enumerate.
Возвращает
Новый объект Dataset с применённым описанным выше преобразованием.

filter

Просмотреть исходный код

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

Фильтрует этот набор данных согласно 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, преобразующая элемент набора данных в логическое значение.
name (Необязательно.) Имя операции tf.data.
Возвращает
Новый объект Dataset с применённым описанным выше преобразованием.

filter_with_legacy_function

Просмотреть исходный код

filter_with_legacy_function(
    predicate
) -> 'DatasetV2'

Фильтрует этот набор данных согласно predicate. (устарело)

Устарело: ЭТА ФУНКЦИЯ УСТАРЕЛА. Она будет удалена в будущей версии. Инструкции по обновлению: используйте `tf.data.Dataset.filter()
Примечание: Это обходной путь для существующих случаев использования filter, несовместимых с функциями V2. Настоятельно не рекомендуется использовать его в новом коде; существующий код следует перевести на filter, поскольку этот метод будет удалён в V2.
Аргументы
predicate Функция, преобразующая (возможно, вложенную) структуру тензоров (с формами и типами, заданными self.output_shapes и self.output_types) в скалярный тензор типа tf.bool.
Возвращает
Dataset Dataset, содержащий элементы этого набора данных, для которых predicate имеет значение True.

fingerprint

Посмотреть исходный код

fingerprint()

Вычисляет отпечаток этого Dataset.

Если два набора данных имеют одинаковый отпечаток, гарантируется, что они будут выдавать идентичные элементы, если содержимое входных файлов на предыдущих этапах не изменится и данные будут генерироваться детерминированно.

Однако одинаковые значения, выдаваемые двумя наборами данных, не всегда означают, что у них будет одинаковый отпечаток, поскольку графы могут иметь разную структуру.

Другими словами, наборы данных с разными отпечатками всё ещё могут выдавать одинаковые значения.

Возвращает
Скалярный tf.Tensor типа tf.uint64.

flat_map

Посмотреть исходный код

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

Применяет map_func к элементам этого набора данных и объединяет полученный результат.

Сигнатура типа:

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

Используйте flat_map, если хотите убедиться, что порядок элементов в наборе данных сохранится. Например, чтобы преобразовать набор данных, состоящий из пакетов, в набор данных, состоящий из 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() — это обобщение flat_map, поскольку flat_map выдаёт тот же результат, что и tf.data.Dataset.interleave(cycle_length=1)

Аргументы
map_func Функция, преобразующая элемент набора данных в набор данных.
name (Необязательно.) Имя операции tf.data.
Возвращает
Новый Dataset с применённым описанным выше преобразованием.

from_generator

Посмотреть 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 с помощью generator. (устаревшие аргументы)

Устарело: НЕКОТОРЫЕ АРГУМЕНТЫ УСТАРЕЛИ: (output_shapes, output_types). Они будут удалены в будущей версии. Инструкции по обновлению: используйте output_signature
Примечание: В текущей реализации Dataset.from_generator() используется tf.numpy_function, поэтому на неё распространяются те же ограничения. В частности, операции, связанные с набором данных и итератором, должны выполняться на устройстве в том же процессе, что и программа Python, вызвавшая Dataset.from_generator(). В частности, использование from_generator исключает возможность применения сервиса tf.data для масштабирования обработки набора данных. Тело generator не будет сериализовано в GraphDef, поэтому не следует использовать этот метод, если модель необходимо сериализовать и восстановить в другой среде.

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

Элементы, генерируемые generator, должны быть совместимы либо с указанным аргументом output_signature, либо с указанными аргументами output_types и (необязательно) output_shapes — в зависимости от того, какие аргументы были заданы.

Рекомендуемый способ вызова from_generator — использовать аргумент output_signature. В этом случае предполагается, что выходные данные состоят из объектов с классами, формами и типами, заданными 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: только с аргументом output_types или вместе с аргументом output_shapes. В этом случае предполагается, что выходные данные функции состоят из объектов tf.Tensor с типами, заданными аргументом output_types, и формами, которые либо неизвестны, либо заданы аргументом output_shapes.

Примечание: Если generator зависит от изменяемых глобальных переменных или другого внешнего состояния, имейте в виду, что среда выполнения может вызывать generator несколько раз (например, для поддержки повторного выполнения Dataset) и в любой момент между вызовом Dataset.from_generator() и выдачей генератором первого элемента. Изменение глобальных переменных или внешнего состояния может привести к неопределённому поведению. Рекомендуется явно кэшировать любое внешнее состояние в generator до вызова Dataset.from_generator().
Примечание: Хотя параметр output_signature позволяет выдавать элементы Dataset, применение Dataset.from_generator() следует ограничить логикой, которую нельзя выразить с помощью операций tf.data. Использование операций tf.data внутри функции-генератора считается антипаттерном и может привести к постепенному увеличению потребления памяти.
Аргументы
generator Вызываемый объект, возвращающий объект, поддерживающий протокол iter(). Если аргумент args не задан, generator не должен принимать аргументы; в противном случае он должен принимать столько аргументов, сколько значений содержится в args.
output_types (Необязательно.) (Вложенная) структура объектов tf.DType, соответствующих каждому компоненту элемента, выдаваемого generator.
output_shapes (Необязательно.) (Вложенная) структура объектов tf.TensorShape, соответствующих каждому компоненту элемента, выдаваемого generator.
args (Необязательно.) Кортеж объектов tf.Tensor, которые будут вычислены и переданы в generator в качестве аргументов-массивов NumPy.
output_signature (Необязательно.) (Вложенная) структура объектов tf.TypeSpec, соответствующих каждому компоненту элемента, выдаваемого generator.
name (Необязательно.) Имя операций tf.data, используемых from_generator.
Возвращает
Dataset Dataset.

from_sparse_tensor_slices

Посмотреть исходный код

@staticmethod
from_sparse_tensor_slices(
    sparse_tensor
)

Разбивает каждый разреженный tf.sparse.SparseTensor ранга N в этом наборе данных на строки. (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 Dataset разреженных тензоров ранга N-1.

from_tensor_slices

Посмотреть исходный код

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

Создаёт Dataset, элементы которого являются срезами заданных тензоров.

Заданные тензоры разбиваются вдоль первого измерения. Эта операция сохраняет структуру входных тензоров, удаляя первое измерение каждого тензора и используя его в качестве измерения набора данных. Все входные тензоры должны иметь одинаковый размер первого измерения.

# 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: если tensors содержит массив NumPy и немедленное выполнение отключено, значения будут встроены в граф в виде одной или нескольких операций tf.constant. Для больших наборов данных (> 1 GB) это может привести к нерациональному расходу памяти и превышению ограничений на размер в байтах при сериализации графа. Если tensors содержит один или несколько больших массивов NumPy, рассмотрите альтернативный способ, описанный в этом руководстве.

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

from_tensors

Посмотреть исходный код

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

Создаёт Dataset с одним элементом, состоящим из заданных тензоров.

from_tensors создаёт набор данных, содержащий только один элемент. Чтобы разбить входной тензор на несколько элементов, используйте вместо этого 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: если tensors содержит массив NumPy и немедленное выполнение отключено, значения будут встроены в граф в виде одной или нескольких операций tf.constant. Для больших наборов данных (> 1 GB) это может привести к нерациональному расходу памяти и превышению ограничений на размер в байтах при сериализации графа. Если tensors содержит один или несколько больших массивов NumPy, рассмотрите альтернативный способ, описанный в этом руководстве.

Аргументы
tensors «Элемент» набора данных. Поддерживаемые значения описаны здесь.
name (Необязательно.) Имя операции tf.data.
Возвращает
Dataset Dataset.

get_single_element

Посмотреть исходный код

get_single_element(
    name=None
)

Возвращает единственный элемент dataset.

Эта функция позволяет использовать tf.data.Dataset в stateless-выражении «тензор на входе — тензор на выходе» без создания итератора. Это упрощает преобразование тензоров с помощью оптимизированной абстракции tf.data.Dataset, созданной поверх них.

Например, рассмотрим preprocessing_fn, которая принимает на вход исходные признаки и возвращает обработанный признак вместе с его меткой.

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

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

processed_features = dataset.get_single_element()

В приведённом выше примере тензор raw_features длины BATCH_SIZE был преобразован в tf.data.Dataset. Затем каждый из raw_feature был обработан с помощью preprocessing_fn, а обработанные признаки были объединены в один пакет. Итоговый dataset содержит только один элемент — пакет со всеми обработанными признаками.

Примечание: dataset должен содержать только один элемент.

Теперь вместо создания итератора для dataset и извлечения пакета признаков используется функция tf.data.get_single_element(), которая позволяет пропустить создание итератора и напрямую получить пакет признаков.

Это может быть особенно полезно, если преобразования тензоров представлены в виде операций tf.data.Dataset и вы хотите использовать эти преобразования при обслуживании модели.

Keras

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

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

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

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

Это преобразование сопоставляет каждому последовательному элементу набора данных ключ с помощью key_func и группирует элементы по ключу. Затем оно применяет reduce_func не более чем к window_size_func(key) элементам с одинаковым ключом. Все окна, кроме последнего для каждого ключа, будут содержать window_size_func(key) элементов; последнее окно может быть меньше.

Можно указать постоянное значение window_size или 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) скалярному тензору tf.int64.
reduce_func Функция, сопоставляющая ключ и набор данных, содержащий до window_size последовательных элементов с этим ключом, другому набору данных.
window_size Скалярный tf.int64 tf.Tensor, представляющий количество последовательных элементов с одинаковым ключом, которые нужно объединить в один пакет и передать в reduce_func. Не может использоваться одновременно с window_size_func.
window_size_func Функция, сопоставляющая ключ скалярному tf.int64 tf.Tensor, представляющему количество последовательных элементов с одинаковым ключом, которые нужно объединить в один пакет и передать в reduce_func. Не может использоваться одновременно с window_size.
name (Необязательно.) Имя операции tf.data.
Возвращает
Новый объект Dataset с преобразованием, применённым, как описано выше.
Исключения
ValueError если передан ни один или оба аргумента из {window_size, window_size_func}.

ignore_errors

Просмотреть исходный код

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

Удаляет элементы, вызывающие ошибки.

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

InvalidArgumentError: ... Tensor had Inf values
dataset = dataset.ignore_errors()
list(dataset.as_numpy_iterator())
[1.0, 0.5, 0.25]
Аргументы
log_warning (Необязательно.) Логическое значение, указывающее, следует ли записывать сведения об игнорируемых ошибках в stderr. По умолчанию — False.
name (Необязательно.) Строка, задающая имя операции tf.data.
Возвращает
Новый объект Dataset с преобразованием, применённым, 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 чередует результаты.

Сигнатура типа:

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

Например, можно использовать Dataset.interleave() для одновременной обработки множества 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 выдачи элементов. cycle_length задаёт количество входных элементов, обрабатываемых одновременно. Если задать для cycle_length значение 1, это преобразование будет обрабатывать по одному входному элементу за раз и выдаст те же результаты, что и tf.data.Dataset.flat_map. В общем случае это преобразование применяет map_func к cycle_length входным элементам, открывает итераторы для возвращённых объектов Dataset и циклически перебирает их, выдавая block_length последовательных элементов из каждого итератора и потребляя следующий входной элемент при каждом достижении конца итератора.

Например:

dataset = Dataset.range(1, 6)  # ==> [ 1, 2, 3, 4, 5 ]
# NOTE: New lines indicate "block" boundaries.
dataset = dataset.interleave(
    lambda x: Dataset.from_tensors(x).repeat(6),
    cycle_length=2, block_length=4)
list(dataset.as_numpy_iterator())
[1, 1, 1, 1,
 2, 2, 2, 2,
 1, 1,
 2, 2,
 3, 3, 3, 3,
 4, 4, 4, 4,
 3, 3,
 4, 4,
 5, 5, 5, 5,
 5, 5]
Примечание: Порядок элементов, выдаваемых этим преобразованием, детерминирован, если map_func является чистой функцией и deterministic=True. Если map_func содержит операции с состоянием, порядок доступа к этому состоянию не определён.

Производительность часто можно повысить, задав num_parallel_calls, чтобы interleave использовал несколько потоков для получения элементов. Если детерминированность не требуется, производительность также можно повысить, 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, принимающая элемент набора данных и возвращающая tf.data.Dataset.
cycle_length (Необязательно.) Количество входных элементов, которые будут обрабатываться одновременно. Если не задано, среда выполнения tf.data определяет его на основе доступных ресурсов ЦП. Если для num_parallel_calls задано значение tf.data.AUTOTUNE, аргумент cycle_length задаёт максимальный уровень параллелизма.
block_length (Необязательно.) Количество последовательных элементов, выдаваемых для каждого входного элемента до переключения на другой входной элемент. Если не задано, по умолчанию используется значение 1.
num_parallel_calls (Необязательно.) Если задано, реализация создаёт пул потоков, который используется для асинхронного и параллельного получения входных данных из элементов цикла. По умолчанию входные данные из элементов цикла получаются синхронно, без параллелизма. Если используется значение tf.data.AUTOTUNE, количество параллельных вызовов динамически определяется на основе доступных ресурсов ЦП.
deterministic (Необязательно.) Если задан num_parallel_calls, это логическое значение (True или False) управляет порядком выдачи элементов преобразованием. Если задано значение False, преобразование может выдавать элементы не по порядку, жертвуя детерминированностью ради производительности. Если значение не задано, поведение определяется параметром tf.data.Options.deterministic (по умолчанию — True).
name (Необязательно.) Имя операции tf.data.
Возвращает
Новый объект Dataset с преобразованием, применённым, как описано выше.

list_files

Просмотреть исходный код

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

Набор данных, содержащий все файлы, соответствующие одному или нескольким шаблонам glob.

Аргумент file_pattern должен содержать небольшое количество шаблонов glob. Если имена файлов уже были подобраны с помощью glob, используйте вместо этого Dataset.from_tensor_slices(filenames), поскольку повторное сопоставление каждого имени файла с помощью list_files может привести к снижению производительности при работе с удалёнными системами хранения данных.

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

Если передать в качестве каталога "/path/to/dir/*.py", набор данных будет содержать:

  • /path/to/dir/b.py
  • /path/to/dir/c.py
Аргументы
file_pattern Строка, список строк или tf.Tensor строкового типа (скаляр или вектор), задающий шаблон(ы) glob для имён файлов (то есть шаблон(ы) подстановки оболочки), которым должны соответствовать имена.
shuffle (Необязательно.) Если True, имена файлов будут перемешаны в случайном порядке. По умолчанию — True.
seed (Необязательно.) Скалярный tf.int64 tf.Tensor, представляющий случайное начальное значение, используемое для создания распределения. Описание поведения см. в разделе tf.random.set_seed.
name Необязательно. Имя операций tf.data, используемых list_files.
Возвращает
Dataset Объект Dataset, содержащий имена файлов в виде строк.

load

Просмотреть исходный код

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

Загружает ранее сохранённый набор данных.

Пример использования:

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

Если при сохранении набора данных использовалось разбиение на части по умолчанию, порядок элементов сохранённого набора данных будет сохранён при его загрузке.

Аргумент reader_func позволяет указать пользовательский порядок загрузки элементов из отдельных частей. Ожидается, что reader_func принимает один аргумент — набор данных, состоящий из наборов данных, каждый из которых содержит элементы одной из частей, — и возвращает набор данных с элементами. Например, при загрузке порядок частей можно перемешать 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 Обязательный аргумент. Путь к ранее сохранённому набору данных.
element_spec Необязательный аргумент. Вложенная структура объектов tf.TypeSpec, соответствующая структуре элемента сохранённого набора данных и задающая тип отдельных компонентов элемента. Если не указана, используется вложенная структура объектов tf.TypeSpec, сохранённая вместе с набором данных. Обратите внимание, что этот аргумент обязателен в графовом режиме.
compression Необязательный аргумент. Алгоритм для распаковки данных при чтении. Поддерживаются варианты GZIP и NONE. По умолчанию — NONE.
reader_func Необязательный аргумент. Функция, управляющая чтением данных из частей. Если она задана, функция будет трассирована и выполнена как графовое вычисление.
Возвращает
Экземпляр tf.data.Dataset.
Исключения
FileNotFoundError Если element_spec не указано и сохраненную вложенную структуру tf.TypeSpec невозможно найти в сохраненном 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

Создает итератор для элементов этого набора данных. (устарело)

Устарело: ЭТА ФУНКЦИЯ УСТАРЕЛА. Она будет удалена в будущей версии. Инструкции по обновлению: этот API устарел и должен использоваться только в режиме графа TF 1 и в устаревшем режиме графа TF 2, доступном через tf.compat.v1. Во всех остальных случаях — а именно в eager-режиме и внутри tf.function — элементы набора данных можно обрабатывать с помощью for elem in dataset: ... или явно создать итератор через iterator = iter(dataset) и получать его элементы с помощью values = next(iterator). Кроме того, этот API недоступен в TF 2. Во время перехода с TF 1 на TF 2 можно использовать tf.compat.v1.data.make_initializable_iterator(dataset), чтобы создать итератор в стиле режима графа TF 1 для набора данных, созданного с помощью API TF 2. Обратите внимание, что это должно быть временным состоянием вашей кодовой базы, поскольку в целом нет гарантий совместимости кода TF 1 и TF 2.
Примечание: Возвращаемый итератор будет неинициализирован; перед его использованием необходимо выполнить операцию iterator.initializer:
# 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 указано непустое значение, возвращаемый итератор будет совместно использоваться под заданным именем несколькими сеансами с одинаковыми устройствами (например, при использовании удаленного сервера).
Возвращаемое значение
tf.data.Iterator для элементов этого набора данных.
Исключения
RuntimeError Если включено eager-выполнение.

make_one_shot_iterator

Просмотреть исходный код

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

Создает итератор для элементов этого набора данных. (устарело)

Устарело: ЭТА ФУНКЦИЯ УСТАРЕЛА. Она будет удалена в будущей версии. Инструкции по обновлению: этот API устарел и должен использоваться только в режиме графа TF 1 и в устаревшем режиме графа TF 2, доступном через tf.compat.v1. Во всех остальных случаях — а именно в eager-режиме и внутри tf.function — элементы набора данных можно обрабатывать с помощью for elem in dataset: ... или явно создать итератор через iterator = iter(dataset) и получать его элементы с помощью values = next(iterator). Кроме того, этот API недоступен в TF 2. Во время перехода с TF 1 на TF 2 можно использовать tf.compat.v1.data.make_one_shot_iterator(dataset), чтобы создать итератор в стиле режима графа TF 1 для набора данных, созданного с помощью API TF 2. Обратите внимание, что это должно быть временным состоянием вашей кодовой базы, поскольку в целом нет гарантий совместимости кода TF 1 и TF 2.
Примечание: Возвращаемый итератор будет инициализирован автоматически. «Одноразовый» итератор в настоящее время не поддерживает повторную инициализацию. Для этого используйте 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 к элементам этого набора данных.

Это преобразование применяет map_func к каждому элементу набора данных и возвращает новый набор данных с преобразованными элементами в том же порядке, в котором они находились во входных данных. map_func можно использовать для изменения значений и структуры элементов набора данных. Поддерживаемые конструкции структур описаны здесь.

Например, map можно использовать для прибавления 1 к каждому элементу или для проецирования подмножества компонентов элемента.

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

Входная сигнатура map_func определяется структурой каждого элемента этого набора 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 возвращаемого набора 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 аргументы и возвращать значения любого типа, допустимого для элемента набора данных.

Обратите внимание: независимо от контекста, в котором определена map_func (eager-режим или режим графа), tf.data трассирует функцию и выполняет ее как граф. Чтобы использовать код Python внутри функции, можно воспользоваться несколькими вариантами:

1) Поручить AutoGraph преобразовать код Python в эквивалентные вычисления графа. Недостаток этого подхода в том, что AutoGraph может преобразовать не весь код Python.

2) Использовать tf.py_function, позволяющую писать произвольный код Python, но обычно обеспечивающую более низкую производительность, чем вариант 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) Использовать tf.numpy_function, которая также позволяет писать произвольный код Python. Обратите внимание: tf.py_function принимает tf.Tensor, тогда как tf.numpy_function принимает массивы numpy и возвращает только массивы numpy. Например:

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

Обратите внимание, что использование tf.numpy_function и tf.py_function в целом исключает возможность параллельного выполнения пользовательских преобразований (из-за GIL Python).

Производительность часто можно повысить, задав num_parallel_calls, чтобы map использовал несколько потоков для обработки элементов. Если детерминированный порядок не требуется, производительность также можно повысить, задав 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, выдаваемых этим преобразованием, детерминирован, если deterministic=True. Если map_func содержит операции с состоянием и num_parallel_calls > 1, порядок доступа к этому состоянию не определен, поэтому значения выходных элементов могут быть недетерминированными независимо от значения флага deterministic.

Аргументы
map_func Функция, преобразующая элемент набора данных в другой элемент набора данных.
num_parallel_calls (Необязательно.) Скалярный tf.int64 tf.Tensor, указывающий количество элементов, обрабатываемых асинхронно параллельно. Если значение не задано, элементы обрабатываются последовательно. Если используется значение tf.data.AUTOTUNE, количество параллельных вызовов динамически определяется на основе доступных ресурсов ЦП.
deterministic (Необязательно.) Если указано num_parallel_calls, это логическое значение (True или False) определяет порядок выдачи элементов преобразованием. Если задано False, преобразованию разрешается выдавать элементы не по порядку, чтобы повысить производительность за счет детерминированности. Если значение не указано, поведение определяется параметром tf.data.Options.deterministic (по умолчанию — True).
name (Необязательно.) Имя операции tf.data.
Возвращаемое значение
Новый Dataset с примененным описанным выше преобразованием.

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 обходной путь для существующих применений map, которые не работают с функциями V2. Настоятельно не рекомендуется использовать его в новом коде; существующий код следует перевести на map, поскольку этот метод будет удален в V2.
Аргументы
map_func Функция, преобразующая (вложенную) структуру тензоров (формы и типы которых определяются self.output_shapes и self.output_types) в другую (вложенную) структуру тензоров.
num_parallel_calls (Необязательно.) Скалярный tf.int32 tf.Tensor, указывающий количество элементов, обрабатываемых асинхронно параллельно. Если значение не задано, элементы обрабатываются последовательно. Если используется значение tf.data.AUTOTUNE, количество параллельных вызовов динамически определяется на основе доступных ресурсов ЦП.
deterministic (Необязательно.) Если указано num_parallel_calls, это логическое значение определяет порядок выдачи элементов преобразованием. Если задано False, преобразованию разрешается выдавать элементы не по порядку, чтобы повысить производительность за счет детерминированности. Если значение не указано, поведение определяется параметром tf.data.Options.deterministic (по умолчанию — True).
Возвращаемое значение
Dataset Dataset.

options

Просмотреть исходный код

options()

Возвращает параметры этого набора данных и его входных данных.

Возвращаемое значение
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 дополненные пакеты.

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

Как и в случае с tf.data.Dataset.batch, компоненты результирующего элемента будут иметь дополнительное внешнее измерение, равное batch_size (или N % batch_size для последнего элемента, если batch_size не делит количество входных элементов N нацело и drop_remainder равно False). Если программа требует, чтобы внешнее измерение всех пакетов было одинаковым, задайте аргумент drop_remainder равным True, чтобы не создавать пакет меньшего размера.

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

  • Если размерность задана константой, компонент будет дополнен до указанной длины в этой размерности.
  • Если размерность неизвестна, компонент будет дополнен до максимальной длины всех элементов в этой размерности.
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, которое объединяет элементы, форма которых может различаться, в tf.sparse.SparseTensor.

Аргументы
batch_size Скалярный tf.int64 tf.Tensor, представляющий число последовательных элементов этого набора данных, объединяемых в один пакет.
padded_shapes (Необязательно.) (Вложенная) структура объектов типа tf.TensorShape или векторных объектов, подобных тензорам tf.int64, задающая форму, до которой следует дополнить соответствующий компонент каждого входного элемента перед объединением в пакеты. Все неизвестные измерения будут дополнены до максимального размера этого измерения в каждом пакете. Если значение не задано, все измерения всех компонентов дополняются до максимального размера в пакете. Параметр padded_shapes необходимо задать, если ранг какого-либо компонента неизвестен.
padding_values (Необязательно.) (Вложенная) структура tf.Tensor скалярной формы, задающая значения заполнения для соответствующих компонентов. Значение None означает, что (вложенная) структура должна заполняться значениями по умолчанию. Для числовых типов значениями по умолчанию являются 0, а для строковых типов — пустая строка. Параметр padding_values должен иметь ту же (вложенную) структуру, что и входной набор данных. Если padding_values состоит из одного элемента, а входной набор данных содержит несколько компонентов, для заполнения каждого компонента набора данных будет использоваться одно и то же значение padding_values. Если padding_values является скаляром, его значение будет распространено на форму каждого компонента.
drop_remainder (Необязательно.) Скалярный tf.bool tf.Tensor, указывающий, следует ли отбрасывать последний пакет, если в нем меньше batch_size элементов; по умолчанию меньший пакет не отбрасывается.
name (Необязательно.) Имя операции tf.data.
Возвращает
Новый Dataset с преобразованием, примененным, как описано выше.
Вызывает исключения
ValueError Если ранг какого-либо компонента неизвестен и аргумент padded_shapes не задан.
TypeError Если компонент имеет неподдерживаемый тип. Список поддерживаемых типов приведен в документации: https://www.tensorflow.org/guide/data#dataset_structure

prefetch

Посмотреть исходный код

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

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

Большинство конвейеров ввода данных должны завершаться вызовом prefetch. Это позволяет подготавливать последующие элементы во время обработки текущего элемента. Это часто повышает производительность и пропускную способность, но требует дополнительной памяти для хранения предварительно загруженных элементов.

Примечание: Как и другие методы Dataset, предварительная загрузка работает с элементами входного набора данных. Она не различает примеры и пакеты. examples.prefetch(2) предварительно загрузит два элемента (2 примера), а examples.batch(20).prefetch(2) — 2 элемента (2 пакета по 20 примеров в каждом).
dataset = tf.data.Dataset.range(3)
dataset = dataset.prefetch(2)
list(dataset.as_numpy_iterator())
[0, 1, 2]
Аргументы
buffer_size Скалярный tf.int64 tf.Tensor, задающий максимальное количество элементов, которые будут буферизованы при предварительной загрузке. Если используется значение tf.data.AUTOTUNE, размер буфера настраивается динамически.
name Необязательно. Имя преобразования tf.data.
Возвращает
Новый Dataset с преобразованием, примененным, как описано выше.

ragged_batch

Посмотреть 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 в случае с tf.data.Dataset.batch, компоненты результирующего элемента получат дополнительное внешнее измерение, размер которого будет равен 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 программа предполагает, что внешнее измерение пакетов имеет одинаковый размер, задайте аргумент drop_remainder равным True, чтобы не создавать пакет меньшего размера.

В отличие от tf.data.Dataset.batch, входные элементы, объединяемые в пакеты, могут иметь разные формы:

  • Если входной элемент является tf.Tensor, статическая tf.TensorShape которого полностью определена, он пакетируется обычным образом.
  • Если входной элемент является tf.Tensor, статическая tf.TensorShape которого содержит одну или несколько осей с неизвестным размером (т. е. shape[i]=None), выходные данные будут содержать tf.RaggedTensor с переменной длиной до любой из таких размерностей.
  • Если входной элемент является tf.RaggedTensor или имеет любой другой тип, он пакетируется обычным образом.

Пример:

dataset = tf.data.Dataset.range(6)
dataset = dataset.map(lambda x: tf.range(x))
dataset.element_spec.shape
TensorShape([None])
dataset = dataset.ragged_batch(2)
for batch in dataset:
  print(batch)
<tf.RaggedTensor [[], [0]]>
<tf.RaggedTensor [[0, 1], [0, 1, 2]]>
<tf.RaggedTensor [[0, 1, 2, 3], [0, 1, 2, 3, 4]]>
Аргументы
batch_size Скалярный tf.int64 tf.Tensor, представляющий число последовательных элементов этого набора данных, объединяемых в один пакет.
drop_remainder (Необязательно.) Скалярный tf.bool tf.Tensor, указывающий, следует ли отбрасывать последний пакет, если в нем меньше batch_size элементов; по умолчанию меньший пакет не отбрасывается.
row_splits_dtype Тип данных, который следует использовать для row_splits новых разреженных тензоров. Тип row_splits существующих элементов tf.RaggedTensor не изменяется.
name (Необязательно.) Строка, задающая имя операции tf.data.
Возвращает
Новый Dataset с преобразованием, примененным, как описано выше.

random

Посмотреть исходный код

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

Создает Dataset псевдослучайных значений.

Набор данных генерирует последовательность равномерно распределенных целочисленных значений.

Параметр rerandomize_each_iteration управляет тем, следует ли генерировать новую последовательность случайных чисел для каждой эпохи. Значение по умолчанию — False: в этом случае 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 задано, набор данных генерирует детерминированную последовательность значений.
rerandomize_each_iteration (Необязательно.) Если установлено значение False, набор данных генерирует одну и ту же последовательность случайных чисел для каждой эпохи. Если установлено значение True, для каждой эпохи генерируется отдельная детерминированная последовательность случайных чисел. Если значение не задано, по умолчанию используется False.
name (Необязательно.) Имя операции tf.data.
Возвращает
Dataset Dataset.

range

Посмотреть исходный код

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

Создает 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 соответствует семантике функции range в Python. len(args) == 1 -> start = 0, stop = args[0], step = 1. len(args) == 2 -> start = args[0], stop = args[1], step = 1. len(args) == 3 -> start = args[0], stop = args[1], step = args[2].
**kwargs
  • output_type: ожидаемый тип данных. (Необязательно, по умолчанию: tf.int64).
  • name: (Необязательно.) Имя операции tf.data.
Возвращает
Dataset RangeDataset.
Вызывает исключения
ValueError если len(args) == 0.

rebatch

Посмотреть исходный код

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

Создает Dataset, который повторно формирует пакеты из элементов этого набора данных.

Функционально rebatch(N) эквивалентен unbatch().batch(N), но работает эффективнее, выполняя одну копию вместо двух.

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

Если аргумент batch_size является списком, rebatch циклически перебирает список, определяя 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 tf.int64, задающий размер создаваемых пакетов. Если этот аргумент является вектором, его значения циклически перебираются по очереди.
drop_remainder (Необязательно.) Скалярный tf.bool tf.Tensor, указывающий, следует ли отбрасывать последний пакет, если в нем меньше batch_size[cycle_index] элементов; по умолчанию меньший пакет не отбрасывается.
name (Необязательно.) Имя операции tf.data.
Возвращает
Dataset скалярных элементов dtype.

reduce

Посмотреть исходный код

reduce(
    initial_state, reduce_func, name=None
)

Сводит входной набор данных к одному элементу.

Преобразование последовательно применяет reduce_func к каждому элементу входного набора данных, пока набор данных не будет исчерпан, накапливая информацию во внутреннем состоянии. Аргумент initial_state используется в качестве начального состояния, а в качестве результата возвращается конечное состояние.

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, преобразующая (old_state, input_element) в new_state. Она должна принимать два аргумента и возвращать новый элемент. Структура new_state должна совпадать со структурой initial_state.
name (Необязательно.) Имя операции tf.data.
Возвращает
Элемент набора данных, соответствующий конечному состоянию преобразования.

rejection_resample

Просмотреть исходный код

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

Повторно выбирает элементы, чтобы достичь целевого распределения.

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

Исходя из initial_dist, zero составляет ~0.6, а one — ~0.4.

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

Исходя из target_dist, zero составляет ~0.5, а one — ~0.5.

Аргументы
class_func Функция, сопоставляющая элемент входного набора данных скалярному тензору tf.int32. Значения должны находиться в диапазоне [0, num_classes).
target_dist Тензор с типом данных с плавающей запятой и формой [num_classes].
initial_dist (Необязательно.) Тензор с типом данных с плавающей запятой и формой [num_classes]. Если не задан, истинное распределение классов оценивается в реальном времени потоковым способом.
seed (Необязательно.) Целочисленное значение Python, используемое в качестве начального значения генератора повторной выборки.
name (Необязательно.) Имя операции tf.data.
Возвращает
Новый Dataset с преобразованием, применённым, как описано выше.

repeat

Просмотреть исходный код

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

Повторяет этот набор данных, чтобы каждое исходное значение встречалось 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 недетерминированы (например, из-за предшествующего shuffle), при разных повторах могут появляться разные элементы.
Аргументы
count (Необязательно.) Скалярный тензор tf.int64 типа tf.Tensor, задающий количество повторений набора данных. По умолчанию (если count равно None или -1) набор данных повторяется бесконечно.
name (Необязательно.) Имя операции tf.data.
Возвращает
Новый Dataset с преобразованием, применённым, 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'

Случайным образом выбирает элементы из наборов данных в datasets.

Создаёт набор данных, чередуя элементы из datasets с вероятностью weight[i] выбора элемента из набора данных i. Выборка выполняется 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 элементы из этих 2 наборов данных со следующими весами:

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

Один из возможных вариантов элементов в sample_dataset:

print(list(sample_dataset.as_numpy_iterator()))
# [100, 0, 1, 101, 2, 102]
Аргументы
datasets Непустой список объектов tf.data.Dataset с совместимой структурой.
weights (Необязательно.) Список или тензор из len(datasets) значений с плавающей запятой, где weights[i] обозначает вероятность выбрать элемент из datasets[i], либо объект tf.data.Dataset, каждый элемент которого представляет собой такой список. По умолчанию используется равномерное распределение по datasets.
seed (Необязательно.) Скалярный тензор tf.int64 типа tf.Tensor, задающий начальное значение генератора случайных чисел, которое будет использоваться для создания распределения. Описание поведения см. в разделе tf.random.set_seed.
stop_on_empty_dataset Если True, выборка прекращается при обнаружении пустого набора данных. Если False, выборка продолжается, а пустые наборы данных пропускаются. Рекомендуется установить значение True. В противном случае распределение выборок сначала будет соответствовать ожиданиям пользователя, но может измениться, когда входные наборы данных опустеют. Это может быть трудно заметить, поскольку изначально набор данных выглядит корректно. Значение по умолчанию — False, чтобы сохранить обратную совместимость.
rerandomize_each_iteration Необязательный bool. Булев аргумент определяет, будет ли последовательность случайных чисел, используемая для выбора набора данных, генерироваться заново в каждой эпохе. Иными словами, он определяет, будут ли наборы данных выбираться в одном и том же порядке в разных эпохах (поведение по умолчанию) или нет.
Возвращает
Набор данных, который случайным образом чередует элементы из datasets согласно weights, если оно задано; в противном случае используется равномерная вероятность.
Вызывает исключения
TypeError Если аргументы datasets или weights имеют неверный тип.
ValueError
  • Если datasets пуст, или
  • Если задан weights и его длина не совпадает с длиной datasets.

save

Просмотреть исходный код

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

Сохраняет содержимое указанного 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)
  

Набор данных сохраняется в нескольких файлах-«шардах». По умолчанию выходные данные набора данных распределяются по шардам по круговому алгоритму, однако пользовательское разбиение на шарды можно задать с помощью функции shard_func. Например, можно сохранить набор данных в одном шарде следующим образом:

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

Чтобы включить создание контрольных точек, передайте checkpoint_args методу 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 каталогов и формат файлов, используемые для сохранения набора данных, считаются деталями реализации и могут измениться. Поэтому наборы данных, сохранённые с помощью tf.data.Dataset.save, следует загружать только с помощью tf.data.Dataset.load, для которого гарантирована обратная совместимость.
Аргументы
path Обязательный аргумент. Каталог для сохранения набора данных.
compression Необязательный аргумент. Алгоритм сжатия данных при записи. Поддерживаются варианты GZIP и NONE. По умолчанию используется NONE.
shard_func Необязательный аргумент. Функция для управления сопоставлением элементов набора данных с файловыми шардами. Функция должна сопоставлять элементы входного набора данных с идентификаторами шардов типа int64. Если функция задана, она будет трассирована и выполнена как вычисление графа.
checkpoint_args Необязательные аргументы для создания контрольных точек, которые будут переданы в tf.train.CheckpointManager. Если checkpoint_args не заданы, контрольные точки создаваться не будут. Реализация save() сама создаёт объект tf.train.Checkpoint, поэтому пользователям не следует задавать аргумент checkpoint в checkpoint_args.
Возвращает
Операцию, выполнение которой сохраняет данные. При записи контрольных точек возвращает None. Возвращаемое значение полезно в модульных тестах.
Вызывает исключения
ValueError, если checkpoint передан в checkpoint_args.

scan

Просмотреть исходный код

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

Преобразование, применяющее функцию сканирования к входному набору данных.

Это преобразование является родственником tf.data.Dataset.map с состоянием. Помимо применения 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]
Аргументы
initial_state Вложенная структура тензоров, представляющая начальное состояние аккумулятора.
scan_func Функция, сопоставляющая (old_state, input_element) с (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.
Возвращает
Новый Dataset с преобразованием, применённым, как описано выше.

shard

Просмотреть исходный код

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

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

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

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

Этот оператор набора данных очень полезен при распределённом обучении, поскольку позволяет каждому рабочему процессу читать уникальное подмножество данных.

При чтении одного входного файла элементы можно распределить по шардам 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:

  • Обязательно выполняйте разбиение на шарды до применения любого оператора рандомизации (например, shuffle).
  • Как правило, оператор разбиения на шарды лучше использовать на раннем этапе конвейера обработки набора данных. Например, при чтении набора файлов TFRecord выполняйте разбиение на шарды до преобразования набора данных во входные примеры. Это позволяет избежать чтения каждого файла каждым рабочим процессом. Ниже приведён пример эффективной стратегии разбиения на шарды в полном конвейере:
d = Dataset.list_files(pattern, shuffle=False)
d = d.shard(num_workers, worker_index)
d = d.repeat(num_epochs)
d = d.shuffle(shuffle_buffer_size)
d = d.interleave(tf.data.TFRecordDataset,
                 cycle_length=num_readers, block_length=1)
d = d.map(parser_fn, num_parallel_calls=num_map_threads)
Аргументы
num_shards Скалярный тензор tf.int64 типа tf.Tensor, задающий количество параллельно работающих шардов.
index Скалярный тензор tf.int64 типа tf.Tensor, задающий индекс рабочего процесса.
name (Необязательно.) Имя операции tf.data.
Возвращает
Новый Dataset с преобразованием, применённым, как описано выше.
Вызывает исключения
InvalidArgumentError если num_shards или index имеют недопустимые значения.
Примечание: проверка ошибок выполняется по возможности, и нет гарантии, что ошибки будут обнаружены при создании набора данных. (Например, передача тензора-заполнителя позволяет обойти раннюю проверку; в этом случае ошибка возникнет при вызове session.run.)

shuffle

Посмотреть исходный код

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

Случайным образом перемешивает элементы этого набора данных.

Этот набор данных заполняет буфер элементами buffer_size, а затем случайным образом выбирает элементы из этого буфера, заменяя выбранные элементы новыми. Для идеального перемешивания размер буфера должен быть не меньше полного размера набора данных.

Например, если набор данных содержит 10 000 элементов, но для buffer_size задано значение 1 000, то shuffle сначала будет случайным образом выбирать элементы только из первых 1 000 элементов буфера. После выбора элемента его место в буфере займёт следующий элемент (то есть элемент с номером 1 001), благодаря чему в буфере будет по-прежнему 1 000 элементов.

Параметр reshuffle_each_iteration определяет, должен ли порядок перемешивания меняться при каждой эпохе. В TF 1.X идиоматичный способ создавать эпохи заключался в применении 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, поэтому эпохи можно создавать и с помощью итерации Python:

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

Полное перемешивание всех данных

Чтобы перемешать весь набор данных, задайте buffer_size=dataset.cardinality(). Это эквивалентно заданию buffer_size, равного числу элементов в наборе данных, и приводит к равномерному перемешиванию.

Примечание: shuffle(dataset.cardinality()) загружает весь набор данных в память для его перемешивания. Если набор данных слишком велик, это приведёт к ошибке переполнения памяти (OOM), поэтому полное перемешивание следует использовать только для наборов данных, которые заведомо помещаются в память, например для наборов 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]
Аргументы
buffer_size Скаляробразный объект tf.int64 tf.Tensor, представляющий число элементов этого набора данных, из которых будут выбираться элементы нового набора данных. Чтобы равномерно перемешать весь набор данных, используйте buffer_size=dataset.cardinality().
seed (Необязательно.) Скаляробразный объект tf.int64 tf.Tensor, представляющий начальное значение генератора случайных чисел, которое будет использоваться для создания распределения. Описание поведения см. в разделе tf.random.set_seed.
reshuffle_each_iteration (Необязательно.) Логическое значение, которое при значении true указывает, что при каждой итерации набора данных следует выполнять его псевдослучайное перемешивание. (По умолчанию — True.)
name (Необязательно.) Имя операции tf.data.
Возвращает
Новый объект Dataset с применённым описанным выше преобразованием.

skip

Посмотреть исходный код

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

Создаёт объект Dataset, пропускающий count элементов этого набора данных.

dataset = tf.data.Dataset.range(10)
dataset = dataset.skip(7)
list(dataset.as_numpy_iterator())
[7, 8, 9]
Аргументы
count Скаляробразный объект tf.int64 tf.Tensor, представляющий число элементов этого набора данных, которые следует пропустить при создании нового набора данных. Если значение count превышает размер этого набора данных, новый набор данных не будет содержать элементов. Если count равно -1, пропускается весь набор данных.
name (Необязательно.) Имя операции tf.data.
Возвращает
Новый объект Dataset с применённым описанным выше преобразованием.

snapshot

Посмотреть исходный код

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

API для сохранения результатов входного набора данных.

API snapshot позволяет прозрачно сохранять результаты конвейера предварительной обработки на диск, а затем использовать предварительно обработанные данные в другом запуске обучения.

Этот API позволяет объединять повторяющиеся этапы предварительной обработки и повторно использовать уже обработанные данные. При этом дисковое пространство и пропускная способность сети расходуются в обмен на высвобождение более ценных ресурсов ЦП и времени вычислений на ускорителе.

Подробная документация по проектированию этой функции доступна по адресу https://github.com/tensorflow/community/blob/master/rfcs/20200107-tf-data-snapshot.md.

Пользователи могут указать различные параметры для управления поведением snapshot, в том числе способом чтения и записи снимков, передав пользовательские функции в параметры reader_func и shard_func.

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

Пользователи могут задать эту функцию, чтобы управлять записью файлов снимка на диск. Ниже приведён пример возможной реализации shard_func.

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

reader_func — это пользовательская функция, принимающая один аргумент: (1) набор данных, состоящий из наборов данных, каждый из которых представляет собой «часть» элементов исходного набора данных. Кардинальность входного набора данных соответствует числу фрагментов, указанному в shard_func (см. выше). Функция должна возвращать набор данных с элементами исходного набора данных.

Пользователи могут задать эту функцию, чтобы управлять чтением файлов снимка с диска, в том числе степенью перемешивания и параллелизма.

Ниже приведён пример стандартной функции чтения, которую может определить пользователь. Эта функция обеспечивает как перемешивание набора данных, так и параллельное чтение наборов данных:

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

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

По умолчанию snapshot выполняет чтение параллельно, используя число ядер, доступных в системе, но не пытается перемешивать данные.

Аргументы
path Обязательный параметр. Каталог для хранения и загрузки снимка.
compression Необязательный параметр. Тип сжатия, применяемого к снимку, записываемому на диск. Поддерживаются варианты GZIP, SNAPPY, AUTO или None. По умолчанию используется AUTO, который пытается выбрать подходящий алгоритм сжатия для набора данных.
reader_func Необязательный параметр. Функция, управляющая чтением данных из фрагментов снимка.
shard_func Необязательный параметр. Функция, управляющая разбиением данных на фрагменты при записи снимка.
name (Необязательно.) Имя операции tf.data.
Возвращает
Новый объект Dataset с применённым описанным выше преобразованием.

sparse_batch

Посмотреть исходный код

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

Объединяет последовательные элементы в объекты tf.sparse.SparseTensor.

Как и Dataset.padded_batch(), это преобразование объединяет несколько последовательных элементов набора данных, которые могут иметь разные формы, в один элемент. Полученный элемент состоит из трёх компонентов (indices, values и dense_shape), которые образуют объект tf.sparse.SparseTensor, представляющий те же данные. row_shape представляет плотную форму каждой строки в результирующем объекте 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 Скаляробразный объект tf.int64 tf.Tensor, представляющий число последовательных элементов этого набора данных, которые следует объединить в один пакет.
row_shape Объект типа tf.TensorShape или векторный объект, подобный тензору, типа tf.int64, представляющий эквивалентную плотную форму строки в результирующем объекте tf.sparse.SparseTensor. Все элементы этого набора данных должны иметь тот же ранг, что и row_shape, и размер не больше row_shape в каждом измерении.
name (Необязательно.) Строка, задающая имя операции tf.data.
Возвращает
Новый объект Dataset с применённым описанным выше преобразованием.

take

Посмотреть исходный код

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

Создаёт объект Dataset, содержащий не более count элементов этого набора данных.

dataset = tf.data.Dataset.range(10)
dataset = dataset.take(3)
list(dataset.as_numpy_iterator())
[0, 1, 2]
Аргументы
count Скаляробразный объект tf.int64 tf.Tensor, представляющий число элементов этого набора данных, которые следует взять для формирования нового набора данных. Если count равно -1 или count превышает размер этого набора данных, новый набор данных будет содержать все его элементы.
name (Необязательно.) Имя операции tf.data.
Возвращает
Новый объект Dataset с применённым описанным выше преобразованием.

take_while

Посмотреть исходный код

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

Преобразование, прекращающее итерацию по набору данных в зависимости от 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, преобразующая вложенную структуру тензоров (формы и типы которых заданы параметрами self.output_shapes и self.output_types) в скалярный тензор tf.bool.
name (Необязательно.) Имя операции tf.data.
Возвращает
Новый объект Dataset с применённым описанным выше преобразованием.

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 различаться для каждого входного элемента, то для каждого элемента набора данных в результате отмены пакетирования получится 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 разбиения пакетированного тензора на более мелкие тензоры без пакетирования. При оптимизации производительности старайтесь избегать ненужного использования unbatch.
Аргументы
name (Необязательно.) Имя операции tf.data.
Возвращает
Новый объект Dataset с применённым описанным выше преобразованием.

unique

Посмотреть исходный код

unique(
    name=None
) -> 'DatasetV2'

Преобразование, удаляющее повторяющиеся элементы из Dataset.

Используйте это преобразование, чтобы создать набор данных, содержащий по одному экземпляру каждого уникального элемента входных данных. Например:

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

window

Просмотреть исходный код

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

Возвращает набор данных «окон».

Каждое «окно» — это набор данных, содержащий подмножество элементов входного набора данных. Это конечные наборы данных размером size (или меньшим, если входных элементов недостаточно для заполнения окна и drop_remainder принимает 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, их можно перебирать:

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

Сдвиг

Аргумент shift задает количество входных элементов, на которое сдвигается начало каждого окна. Если нумерация окон и элементов начинается с 0, первым элементом окна k будет элемент k * shift входного набора данных. В частности, первым элементом первого окна всегда будет первый элемент 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 задает шаг между входными элементами внутри 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 преобразование window применяется к набору данных, элементы которого представляют собой вложенные структуры, оно создает набор данных, элементы которого имеют ту же вложенную структуру, но каждый лист заменен окном. Иными словами, вложенность применяется вне окон, а не внутри них.

Сигнатура типа:

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

Применение window к Dataset кортежей дает кортеж окон:

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

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

Применение window к Dataset словарей дает 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]}

Сведение набора данных окон

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

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

Например, чтобы преобразовать каждое окно в плотный тензор:

dataset = tf.data.Dataset.range(7).window(3, shift=1,
                                          drop_remainder=True)
batched = dataset.flat_map(lambda x:x.batch(3))
for batch in batched:
  print(batch.numpy())
[0 1 2]
[1 2 3]
[2 3 4]
[3 4 5]
[4 5 6]
Аргументы
size Скалярный tf.int64 tf.Tensor, задающий количество элементов входного набора данных, объединяемых в окно. Должен быть положительным.
shift (Необязательно.) Скалярный tf.int64 tf.Tensor, задающий количество входных элементов, на которое сдвигается окно при каждой итерации. По умолчанию равно size. Должен быть положительным.
stride (Необязательно.) Скалярный tf.int64 tf.Tensor, задающий шаг входных элементов в скользящем окне. Должен быть положительным. Значение по умолчанию 1 означает «сохранять каждый входной элемент».
drop_remainder (Необязательно.) Скалярный tf.bool tf.Tensor, задающий, следует ли отбрасывать последние окна, если их размер меньше size.
name (Необязательно.) Имя операции tf.data.
Возвращает
Новый Dataset с преобразованием, примененным, как описано выше.

with_options

Просмотреть исходный код

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

Возвращает новый tf.data.Dataset с заданными параметрами.

Параметры являются «глобальными» в том смысле, что применяются ко всему набору данных. Если параметры задаются несколько раз, они объединяются, если только для разных параметров не указаны различные 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 Объект tf.data.Options, задающий используемые параметры.
name (Необязательно.) Имя операции tf.data.
Возвращает
Новый Dataset с преобразованием, примененным, как описано выше.
Вызывает исключение
ValueError если для параметра более одного раза задано значение, отличное от значения по умолчанию

zip

Просмотреть исходный код

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

Создает Dataset, объединяя заданные наборы данных с помощью zip.

Этот метод имеет семантику, сходную со встроенной функцией zip() в Python, но главное отличие заключается в том, что аргумент datasets может быть (вложенной) структурой объектов Dataset. Поддерживаемые способы 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 с помощью zip. Этот аргумент нельзя задавать, если задан datasets.
datasets (Вложенная) структура наборов данных. Этот аргумент нельзя задавать, если задан *args. Обратите внимание, что он сохранен только для обратной совместимости; предпочтительно использовать *args.
name (Необязательно.) Имя операции tf.data.
Возвращает
Новый Dataset с преобразованием, примененным, как описано выше.

__bool__

Просмотреть исходный код

__bool__()

__iter__

Просмотреть исходный код

__iter__()

Создает итератор для элементов этого набора данных.

Возвращаемый итератор реализует протокол Iterator в Python.

Возвращает
Объект tf.data.Iterator для элементов этого набора данных.
Вызывает исключение
RuntimeError Если выполнение происходит вне tf.function и не в режиме eager execution.

__len__

Просмотреть исходный код

__len__()

Возвращает длину набора данных, если она известна и конечна.

Этот метод требует выполнения в режиме eager execution и известной конечной длины набора данных. Если длина неизвестна или может быть бесконечной, либо если вы работаете в режиме графа, вместо этого используйте tf.data.Dataset.cardinality.

Возвращает
Целое число, обозначающее длину набора данных.
Вызывает исключение
RuntimeError Если длина набора данных неизвестна или бесконечна либо если eager execution не включен.

__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