tf.compat.v1.data.TFRecordDataset
Объект, содержащий записи из одного или нескольких файлов TFRecord.
Наследуется от: Dataset, Dataset
tf.compat.v1.data.TFRecordDataset(
filenames,
compression_type=None,
buffer_size=None,
num_parallel_reads=None,
name=None
)
| Аргументы | |
|---|---|
filenames | Тензор типа tf.string или tf.data.Dataset, содержащий один или несколько файлов. |
compression_type | (Необязательно.) Скаляр типа tf.string, принимающий одно из значений "" (без сжатия), "ZLIB" или "GZIP". |
buffer_size | (Необязательно.) Скаляр типа tf.int64, представляющий количество байтов в буфере чтения. Если ваша цепочка обработки данных ограничена ввода-выводом, рассмотрите возможность установки этого параметра в значение от 1 до 100 МБ. Если None, используется разумное значение по умолчанию для локальных и удалённых файловых систем. |
num_parallel_reads | (Необязательно.) Скаляр типа tf.int64, представляющий количество файлов для одновременного чтения. Если значение больше единицы, записи из прочитанных файлов выводится в перекрёстном порядке. Если ваша цепочка обработки данных ограничена ввода-выводом, рассмотрите возможность установки этого параметра в значение, большее единицы, для параллелизации ввода-вывода. Если None, файлы будут читаться последовательно. |
name | (Необязательно.) Имя операции tf.data. |
| Исключения | |
|---|---|
TypeError | Если какой-либо аргумент имеет неверный тип. |
ValueError | Если какой-либо аргумент имеет неверную форму. |
| Атрибуты | |
|---|---|
element_spec | Спецификация типа элемента этого набора данных.
dataset = tf.data.Dataset.from_tensor_slices([1, 2, 3]) dataset.element_spec TensorSpec(shape=(), dtype=tf.int32, name=None) Для получения дополнительной информации, ознакомьтесь с этим руководством. |
output_classes | Возвращает класс каждого компонента элемента этого набора данных. (Устарело) |
output_shapes | Возвращает форму каждого компонента элемента этого набора данных. (Устарело) |
output_types | Возвращает тип каждого компонента элемента этого набора данных. (Устарело) |
Методы
apply
apply(
transformation_func
) -> 'DatasetV2'
Применяет функцию преобразования к этому набору данных.
apply позволяет объединять пользовательские Dataset преобразования, которые представлены как функции, принимающие один Dataset аргумент и возвращающие преобразованный Dataset.
dataset = tf.data.Dataset.range(100) def dataset_fn(ds): return ds.filter(lambda x: x < 5) dataset = dataset.apply(dataset_fn) list(dataset.as_numpy_iterator()) [0, 1, 2, 3, 4]
| Аргументы | |
|---|---|
transformation_func | Функция, которая принимает один Dataset аргумент и возвращает Dataset. |
| Возвращаемое значение | |
|---|---|
Новый Dataset с применённым преобразованием, как описано выше. |
as_numpy_iterator
as_numpy_iterator()
Возвращает итератор, который преобразует все элементы набора данных в NumPy.
Используйте as_numpy_iterator для проверки содержимого вашего набора данных. Чтобы увидеть формы и типы элементов, печатайте элементы набора данных напрямую, вместо использования as_numpy_iterator.
dataset = tf.data.Dataset.from_tensor_slices([1, 2, 3]) for element in dataset: print(element) tf.Tensor(1, shape=(), dtype=int32) tf.Tensor(2, shape=(), dtype=int32) tf.Tensor(3, shape=(), dtype=int32)
Этот метод требует, чтобы вы выполняли программу в режиме eager, и элемент_спецификации набора данных содержали только TensorSpec компоненты.
dataset = tf.data.Dataset.from_tensor_slices([1, 2, 3]) for element in dataset.as_numpy_iterator(): print(element) 1 2 3
dataset = tf.data.Dataset.from_tensor_slices([1, 2, 3]) print(list(dataset.as_numpy_iterator())) [1, 2, 3]
as_numpy_iterator() сохранит вложенную структуру элементов набора данных.
dataset = tf.data.Dataset.from_tensor_slices({'a': ([1, 2], [3, 4]),
'b': [5, 6]})
list(dataset.as_numpy_iterator()) == [{'a': (1, 3), 'b': 5},
{'a': (2, 4), 'b': 6}]
True| Возвращаемое значение | |
|---|---|
| Итерируемый объект над элементами набора данных, с тензорами, преобразованными в массивы NumPy. |
| Исключения | |
|---|---|
TypeError | если элемент содержит значение, отличное от Tensor. |
RuntimeError | если режим eager не включён. |
batch
batch(
batch_size,
drop_remainder=False,
num_parallel_calls=None,
deterministic=None,
name=None
) -> 'DatasetV2'
Объединяет последовательные элементы этого набора данных в пакеты.
dataset = tf.data.Dataset.range(8) dataset = dataset.batch(3) list(dataset.as_numpy_iterator()) [array([0, 1, 2]), array([3, 4, 5]), array([6, 7])]
dataset = tf.data.Dataset.range(8) dataset = dataset.batch(3, drop_remainder=True) list(dataset.as_numpy_iterator()) [array([0, 1, 2]), array([3, 4, 5])]
Компоненты результирующего элемента получат дополнительное внешнее измерение, которое будет batch_size (или N % batch_size для последнего элемента, если batch_size не делит количество входных элементов N нацело и drop_remainder равно False). Если ваша программа зависит от того, что пакеты имеют одинаковое внешнее измерение, вы должны установить аргумент drop_remainder в значение True, чтобы предотвратить создание меньшего пакета.
Примечание: Если ваша программа требует, чтобы данные имели статически известную форму (например, при использовании XLA), вам следует использоватьdrop_remainder=True. Безdrop_remainder=Trueформа выходного набора данных будет иметь неизвестное ведущее измерение из-за возможности создания меньшего конечного пакета.
| Аргументы | |
|---|---|
batch_size | Скалярное значение типа tf.int64, представляющее количество последовательных элементов этого набора данных для объединения в одной пачке. |
drop_remainder | (Необязательно.) Скалярное значение типа tf.bool, представляющее, следует ли отбрасывать последнюю пачку в случае, если она содержит меньше, чем batch_size элементов; по умолчанию меньшая пачка не отбрасывается. |
num_parallel_calls | (Необязательно.) Скалярное значение типа tf.int64, представляющее количество пачек, которые необходимо вычислить асинхронно параллельно. Если не указано, пачки будут вычисляться последовательно. Если используется значение tf.data.AUTOTUNE, то количество параллельных вызовов устанавливается динамически на основе доступных ресурсов. |
deterministic | (Необязательно.) Когда num_parallel_calls указано, если этот булево параметр задан (True или False), он контролирует порядок, в котором преобразование генерирует элементы. Если установлено значение False, преобразование может генерировать элементы вне порядка, чтобы обменять детерминированность на производительность. Если не указано, опция tf.data.Options.deterministic (по умолчанию True) управляет поведением. |
name | (Необязательно.) Имя операции tf.data. |
| Возвращаемое значение | |
|---|---|
Новый Dataset с применённым преобразованием, как описано выше. |
bucket_by_sequence_length
bucket_by_sequence_length(
element_length_func,
bucket_boundaries,
bucket_batch_sizes,
padded_shapes=None,
padding_values=None,
pad_to_bucket_boundary=False,
no_padding=False,
drop_remainder=False,
name=None
) -> 'DatasetV2'
Преобразование, которое группирует элементы в Dataset по длине.
Элементы Dataset группируются по длине, а затем дополняются и объединяются в пачки.
Это полезно для задач с последовательностями, в которых элементы имеют переменную длину. Группировка элементов с аналогичными длинами уменьшает общую долю заполнения в пачке, что повышает эффективность шага обучения.
Ниже приведён пример букетизации входных данных в 3 корзины "[0, 3), [3, 5), [5, inf)" на основе длины последовательности с размером пачки 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 в Dataset в tf.int32, определяющая длину элемента, которая определяет корзину, в которую он попадает. |
bucket_boundaries | массив list<int>, верхние границы длин корзин. |
bucket_batch_sizes | массив list<int>, размер пачки в каждой корзине. Длина должна быть len(bucket_boundaries) + 1. |
padded_shapes | Вложенная структура tf.TensorShape для передачи в tf.data.Dataset.padded_batch. Если не указано, будет использоваться dataset.output_shapes, что приведёт к дополнению размерностей переменной длины до максимальной длины в каждой пачке. |
padding_values | Значения для дополнения, передаваемые в tf.data.Dataset.padded_batch. По умолчанию дополнение производится нулями. |
pad_to_bucket_boundary | булево значение, если False, будут дополняться размерности с неизвестным размером до максимальной длины в пачке. Если True, размерности с неизвестным размером будут дополнены до границы корзины минус 1 (т.е., максимальной длины в каждой корзине), и вызывающий должен гарантировать, что исходный Dataset не содержит элементов с длиной, большей, чем max(bucket_boundaries). |
no_padding | булево значение bool, указывает, следует ли дополнять признаки пачки (признаки должны быть типа tf.sparse.SparseTensor или иметь одинаковую форму). |
drop_remainder | (Необязательно.) Скалярное значение типа tf.bool, представляющее, следует ли отбрасывать последнюю пачку в случае, если она содержит меньше, чем batch_size элементов; по умолчанию меньшая пачка не отбрасывается. |
name | (Необязательно.) Имя операции tf.data. |
| Возвращаемое значение | |
|---|---|
Новый Dataset с применённым преобразованием, как описано выше. |
| Исключения | |
|---|---|
ValueError | если len(bucket_batch_sizes) != len(bucket_boundaries) + 1. |
cache
cache(
filename='', name=None
) -> 'DatasetV2'
Кэширует элементы в этом наборе данных.
При первом проходе по набору данных его элементы будут кэшированы либо в указанном файле, либо в памяти. При последующих проходах будут использоваться кэшированные данные.
Примечание: Для гарантии завершения кэширования входной набор данных должен быть прочитан целиком, до возникновения исключения StopIteration. В противном случае последующие проходы могут не использовать кэшированные данные.
dataset = tf.data.Dataset.range(5) dataset = dataset.map(lambda x: x**2) dataset = dataset.cache() # The first time reading through the data will generate the data using # `range` and `map`. list(dataset.as_numpy_iterator()) [0, 1, 4, 9, 16] # Subsequent iterations read from the cache. list(dataset.as_numpy_iterator()) [0, 1, 4, 9, 16]
При кэшировании в файл кэшированные данные будут сохраняться между запусками. Даже первый проход данных будет читать данные из кэша файла. Изменение входной конвейера до вызова .cache() не повлияет на результат, 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:cacheбудет генерировать точно такие же элементы во время каждого прохода по набору данных. Если вы хотите случайный порядок итераций, убедитесь, что вы вызвалиshuffle*после* вызоваcache.
| Аргументы | |
|---|---|
filename | Скалярное значение типа tf.string, представляющее имя каталога в файловой системе для кэширования элементов в этом наборе данных. Если имя файла не предоставлено, набор данных будет кэширован в памяти. |
name | (Необязательно.) Имя операции tf.data. |
| Возвращаемое значение | |
|---|---|
Новый Dataset с применённым преобразованием, как описано выше. |
cardinality
cardinality()
Возвращает мощность набора данных, если она известна.
cardinality может вернуть tf.data.INFINITE_CARDINALITY, если набор данных содержит бесконечное число элементов, или tf.data.UNKNOWN_CARDINALITY, если анализ не смог определить количество элементов в наборе данных (например, когда источником набора данных является файл).
dataset = tf.data.Dataset.range(42) print(dataset.cardinality().numpy()) 42 dataset = dataset.repeat() cardinality = dataset.cardinality() print((cardinality == tf.data.INFINITE_CARDINALITY).numpy()) True dataset = dataset.filter(lambda x: True) cardinality = dataset.cardinality() print((cardinality == tf.data.UNKNOWN_CARDINALITY).numpy()) True
| Возвращаемое значение | |
|---|---|
Скалярное значение типа tf.int64 Tensor, представляющее мощность набора данных. Если мощность бесконечна или неизвестна, cardinality возвращает именованные константы tf.data.INFINITE_CARDINALITY и tf.data.UNKNOWN_CARDINALITY соответственно. |
choose_from_datasets
@staticmethod
choose_from_datasets(
datasets, choice_dataset, stop_on_empty_dataset=True
) -> 'DatasetV2'
Создаёт набор данных, который детерминированно выбирает элементы из datasets.
Например, заданы следующие наборы данных:
datasets = [tf.data.Dataset.from_tensors("foo").repeat(),
tf.data.Dataset.from_tensors("bar").repeat(),
tf.data.Dataset.from_tensors("baz").repeat()]
# Define a dataset containing `[0, 1, 2, 0, 1, 2, 0, 1, 2]`.
choice_dataset = tf.data.Dataset.range(3).repeat(3)
result = tf.data.Dataset.choose_from_datasets(datasets, choice_dataset)
Элементы result будут:
"foo", "bar", "baz", "foo", "bar", "baz", "foo", "bar", "baz"
| Аргументы | |
|---|---|
datasets | Непустой список объектов tf.data.Dataset с совместимой структурой. |
choice_dataset | Набор данных скалярных тензоров типа tf.int64 между 0 и len(datasets) - 1. |
stop_on_empty_dataset | Если True, выбор останавливается, если встречается пустой набор данных. Если False, пустые наборы данных пропускаются. Рекомендуется установить значение True. В противном случае, выбранные элементы изначально соответствуют намерениям пользователя, но могут измениться, поскольку входные наборы данных становятся пустыми. Это может быть трудно обнаружить, поскольку набор данных сначала выглядит правильно. По умолчанию True. |
| Возвращаемое значение | |
|---|---|
Новый Dataset с применённым преобразованием, как описано выше. |
| Исключения | |
|---|---|
TypeError | Если datasets или choice_dataset имеют неправильный тип. |
ValueError | Если datasets пусто. |
concatenate
concatenate(
dataset, name=None
) -> 'DatasetV2'
Создаёт Dataset, конкатенируя данный набор данных с этим набором данных.
a = tf.data.Dataset.range(1, 4) # ==> [ 1, 2, 3 ] b = tf.data.Dataset.range(4, 8) # ==> [ 4, 5, 6, 7 ] ds = a.concatenate(b) list(ds.as_numpy_iterator()) [1, 2, 3, 4, 5, 6, 7] # The input dataset and dataset to be concatenated should have # compatible element specs. c = tf.data.Dataset.zip((a, b)) a.concatenate(c) Traceback (most recent call last): TypeError: Two datasets to concatenate have different types <dtype: 'int64'> and (tf.int64, tf.int64) d = tf.data.Dataset.from_tensor_slices(["a", "b", "c"]) a.concatenate(d) Traceback (most recent call last): TypeError: Two datasets to concatenate have different types <dtype: 'int64'> and <dtype: 'string'>
| Аргументы | |
|---|---|
dataset | Dataset для конкатенации. |
name | (Необязательно.) Имя операции tf.data. |
| Возвращает | |
|---|---|
Новый Dataset с применённым преобразованием, как описано выше. |
counter
@staticmethod
counter(
start=0,
step=1,
dtype=tf.dtypes.int64,
name=None
) -> 'DatasetV2'
Создаёт Dataset, который считает от start с шагом step.
В отличие от tf.data.Dataset.range, который останавливается на некотором конечном числе, tf.data.Dataset.counter производит элементы неопределённо.
dataset = tf.data.experimental.Counter().take(5) list(dataset.as_numpy_iterator()) [0, 1, 2, 3, 4] dataset.element_spec TensorSpec(shape=(), dtype=tf.int64, name=None) dataset = tf.data.experimental.Counter(dtype=tf.int32) dataset.element_spec TensorSpec(shape=(), dtype=tf.int32, name=None) dataset = tf.data.experimental.Counter(start=2).take(5) list(dataset.as_numpy_iterator()) [2, 3, 4, 5, 6] dataset = tf.data.experimental.Counter(start=2, step=5).take(5) list(dataset.as_numpy_iterator()) [2, 7, 12, 17, 22] dataset = tf.data.experimental.Counter(start=10, step=-1).take(5) list(dataset.as_numpy_iterator()) [10, 9, 8, 7, 6]
| Аргументы | |
|---|---|
start | (Необязательно.) Начальное значение счётчика. По умолчанию 0. |
step | (Необязательно.) Шаг счётчика. По умолчанию 1. |
dtype | (Необязательно.) Тип данных для элементов счётчика. По умолчанию tf.int64. |
name | (Необязательно.) Имя операции tf.data. |
| Возвращает | |
|---|---|
Dataset скалярных элементов dtype. |
enumerate
enumerate(
start=0, name=None
) -> 'DatasetV2'
Перечисляет элементы этого набора данных.
Похож на python's enumerate.
dataset = tf.data.Dataset.from_tensor_slices([1, 2, 3]) dataset = dataset.enumerate(start=5) for element in dataset.as_numpy_iterator(): print(element) (5, 1) (6, 2) (7, 3)
# The (nested) structure of the input dataset determines the # structure of elements in the resulting dataset. dataset = tf.data.Dataset.from_tensor_slices([(7, 8), (9, 10)]) dataset = dataset.enumerate() for element in dataset.as_numpy_iterator(): print(element) (0, array([7, 8], dtype=int32)) (1, array([ 9, 10], dtype=int32))
| Аргументы | |
|---|---|
start | Скалярный tf.int64 tf.Tensor, представляющий начальное значение для нумерации. |
name | Необязательно. Имя операций tf.data, используемых enumerate. |
| Возвращает | |
|---|---|
Новый Dataset с применённым преобразованием, как описано выше. |
filter
filter(
predicate, name=None
) -> 'DatasetV2'
Фильтрует этот набор данных в соответствии с predicate.
dataset = tf.data.Dataset.from_tensor_slices([1, 2, 3]) dataset = dataset.filter(lambda x: x < 3) list(dataset.as_numpy_iterator()) [1, 2] # `tf.math.equal(x, y)` is required for equality comparison def filter_fn(x): return tf.math.equal(x, 1) dataset = dataset.filter(filter_fn) list(dataset.as_numpy_iterator()) [1]
| Аргументы | |
|---|---|
predicate | Функция, сопоставляющая элемент набора данных с булевым значением. |
name | (Необязательно.) Имя операции tf.data. |
| Возвращает | |
|---|---|
Новый Dataset с применённым преобразованием, как описано выше. |
filter_with_legacy_function
filter_with_legacy_function(
predicate
) -> 'DatasetV2'
Фильтрует этот набор данных в соответствии с predicate. (устарело)
Примечание: Это "горячая линия" для существующих примененийfilter, которые не работают с функциями V2. Новые применения настоятельно не рекомендуются, и существующие должны мигрировать наfilter, так как этот метод будет удалён в V2.
| Аргументы | |
|---|---|
predicate | Функция, сопоставляющая (вложенную) структуру тензоров (с формами и типами, определёнными self.output_shapes и self.output_types) со скалярным тензором tf.bool. |
| Возвращает | |
|---|---|
Dataset | Dataset, содержащий элементы этого набора данных, для которых predicate равно True. |
fingerprint
fingerprint()
Вычисляет отпечаток пальца этого Dataset.
Если у двух наборов данных одинаковый отпечаток, гарантируется, что они будут производить идентичные элементы, пока содержимое входных файлов upstream не изменится и они будут производить данные детерминированно.
Однако, два набора данных, производящие идентичные значения, не всегда означают, что они имеют одинаковый отпечаток из-за разных конструкций графов.
Другими словами, если у двух наборов данных разные отпечатки, они все ещё могут производить идентичные значения.
| Возвращает | |
|---|---|
Скалярный tf.Tensor типа tf.uint64. |
flat_map
flat_map(
map_func, name=None
) -> 'DatasetV2'
Применяет map_func к этому набору данных и сглаживает результат.
Подпись типа:
def flat_map( self: Dataset[T], map_func: Callable[[T], Dataset[S]] ) -> Dataset[S]
Используйте flat_map, если хотите убедиться, что порядок вашего набора данных остаётся неизменным. Например, чтобы сгладить набор данных пачек в набор данных их элементов:
dataset = tf.data.Dataset.from_tensor_slices(
[[1, 2, 3], [4, 5, 6], [7, 8, 9]])
dataset = dataset.flat_map(tf.data.Dataset.from_tensor_slices)
list(dataset.as_numpy_iterator())
[1, 2, 3, 4, 5, 6, 7, 8, 9]tf.data.Dataset.interleave() является обобщением flat_map, так как flat_map производит тот же результат, что и tf.data.Dataset.interleave(cycle_length=1)
| Аргументы | |
|---|---|
map_func | Функция, сопоставляющая элемент набора данных с набором данных. |
name | (Необязательно.) Имя операции tf.data. |
| Возвращает | |
|---|---|
Новый Dataset с применённым преобразованием, как описано выше. |
from_generator
@staticmethod
from_generator(
generator,
output_types=None,
output_shapes=None,
args=None,
output_signature=None,
name=None
) -> 'DatasetV2'
Создаёт Dataset, элементы которого генерируются generator. (аргументы устарели)
Примечание: Текущая реализацияDataset.from_generator()используетtf.numpy_functionи наследует те же ограничения. В частности, она требует, чтобы операции, связанные с набором данных и итератором, были размещены на устройстве в том же процессе, что и программа Python, вызвавшаяDataset.from_generator(). В частности, использованиеfrom_generatorпомешает использованию tf.data service для масштабирования обработки набора данных. Телоgeneratorне будет сериализовано вGraphDef, и вы не должны использовать этот метод, если вам нужно сериализовать вашу модель и восстановить её в другой среде.
Аргумент generator должен быть вызываемым объектом, который возвращает объект, поддерживающий протокол iter() (например, генераторную функцию).
Элементы, сгенерированные generator, должны быть совместимы либо с заданным аргументом output_signature, либо с заданными аргументами output_types и (необязательно) output_shapes, какой из них был указан.
Рекомендуемый способ вызова from_generator — использование аргумента output_signature. В этом случае выходные данные будут предполагаться состоящими из объектов с классами, формами и типами, определёнными объектами tf.TypeSpec из аргумента output_signature:
def gen():
ragged_tensor = tf.ragged.constant([[1, 2], [3]])
yield 42, ragged_tensor
dataset = tf.data.Dataset.from_generator(
gen,
output_signature=(
tf.TensorSpec(shape=(), dtype=tf.int32),
tf.RaggedTensorSpec(shape=(2, None), dtype=tf.int32)))
list(dataset.take(1))
[(<tf.Tensor: shape=(), dtype=int32, numpy=42>,
<tf.RaggedTensor [[1, 2], [3]]>)]Также существует устаревший способ вызова from_generator, либо с одним аргументом output_types, либо вместе с аргументом output_shapes. В этом случае выходные данные функции будут предполагаться состоящими из объектов tf.Tensor с типами, определёнными output_types, и формами, которые могут быть неизвестными или определёнными output_shapes.
Примечание: Еслиgeneratorзависит от изменяемых глобальных переменных или другого внешнего состояния, будьте внимательны, так как во время выполнения функцияgeneratorможет быть вызвана несколько раз (для поддержки повторенияDataset) и в любое время между вызовомDataset.from_generator()и производством первого элемента из генератора. Изменение глобальных переменных или внешнего состояния может привести к неопределённому поведению, и мы рекомендуем явно кэшировать любое внешнее состояние вgeneratorперед вызовомDataset.from_generator().
Примечание: Хотя параметрoutput_signatureпозволяет получать элементыDataset, область действияDataset.from_generator()должна быть ограничена логикой, которую нельзя выразить с помощью операций tf.data. Использование операций tf.data внутри функции генератора — это антипаттерн и может привести к постепенному росту потребления памяти.
| Аргументы | |
|---|---|
generator | Объект вызываемого типа, возвращающий объект, поддерживающий протокол iter(). Если args не указан, generator не должен принимать аргументов; в противном случае он должен принимать столько аргументов, сколько значений в args. |
output_types | (Необязательно.) (Вложенная) структура объектов tf.DType, соответствующих каждому компоненту элемента, возвращаемого generator. |
output_shapes | (Необязательно.) (Вложенная) структура объектов tf.TensorShape, соответствующих каждому компоненту элемента, возвращаемого generator. |
args | (Необязательно.) Кортеж объектов tf.Tensor, которые будут вычислены и переданы generator в качестве аргументов NumPy-массивов. |
output_signature | (Необязательно.) (Вложенная) структура объектов tf.TypeSpec, соответствующих каждому компоненту элемента, возвращаемого generator. |
name | (Необязательно.) Имя для операций tf.data, используемых from_generator. |
| Возвращаемое значение | |
|---|---|
Dataset | Объект Dataset. |
from_sparse_tensor_slices
@staticmethod
from_sparse_tensor_slices(
sparse_tensor
)
Разделяет каждый тензор tf.sparse.SparseTensor ранга N в этой строке набора данных (устарело).
| Аргументы | |
|---|---|
sparse_tensor | tf.sparse.SparseTensor. |
| Возвращаемое значение | |
|---|---|
Dataset | Объект Dataset ранга (N-1) разреженных тензоров. |
from_tensor_slices
@staticmethod
from_tensor_slices(
tensors, name=None
) -> 'DatasetV2'
Создаёт набор данных Dataset, чьи элементы являются слайсами заданных тензоров.
Указанные тензоры нарезаются по первому измерению. 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 в первом измерении.
# Slicing a 1D tensor produces scalar tensor elements. dataset = tf.data.Dataset.from_tensor_slices([1, 2, 3]) list(dataset.as_numpy_iterator()) [1, 2, 3]
# Slicing a 2D tensor produces 1D tensor elements. dataset = tf.data.Dataset.from_tensor_slices([[1, 2], [3, 4]]) list(dataset.as_numpy_iterator()) [array([1, 2], dtype=int32), array([3, 4], dtype=int32)]
# Slicing a tuple of 1D tensors produces tuple elements containing # scalar tensors. dataset = tf.data.Dataset.from_tensor_slices(([1, 2], [3, 4], [5, 6])) list(dataset.as_numpy_iterator()) [(1, 3, 5), (2, 4, 6)]
# Dictionary structure is also preserved.
dataset = tf.data.Dataset.from_tensor_slices({"a": [1, 2], "b": [3, 4]})
list(dataset.as_numpy_iterator()) == [{'a': 1, 'b': 3},
{'a': 2, 'b': 4}]
True# Two tensors can be combined into one Dataset object.
features = tf.constant([[1, 3], [2, 1], [3, 3]]) # ==> 3x2 tensor
labels = tf.constant(['A', 'B', 'A']) # ==> 3x1 tensor
dataset = Dataset.from_tensor_slices((features, labels))
# Both the features and the labels tensors can be converted
# to a Dataset object separately and combined after.
features_dataset = Dataset.from_tensor_slices(features)
labels_dataset = Dataset.from_tensor_slices(labels)
dataset = Dataset.zip((features_dataset, labels_dataset))
# A batched feature and label set can be converted to a Dataset
# in similar fashion.
batched_features = tf.constant([[[1, 3], [2, 3]],
[[2, 1], [1, 2]],
[[3, 3], [3, 2]]], shape=(3, 2, 2))
batched_labels = tf.constant([['A', 'A'],
['B', 'B'],
['A', 'B']], shape=(3, 2, 1))
dataset = Dataset.from_tensor_slices((batched_features, batched_labels))
for element in dataset.as_numpy_iterator():
print(element)
(array([[1, 3],
[2, 3]], dtype=int32), array([[b'A'],
[b'A']], dtype=object))
(array([[2, 1],
[1, 2]], dtype=int32), array([[b'B'],
[b'B']], dtype=object))
(array([[3, 3],
[3, 2]], dtype=int32), array([[b'A'],
[b'B']], dtype=object))Обратите внимание, что если tensors содержит NumPy-массив, и выполнение в режиме eager отключено, значения будут встроены в график как одна или несколько операций tf.constant. Для больших наборов данных (> 1 ГБ) это может привести к потере памяти и ограничению размера графа. Если tensors содержит один или несколько больших NumPy-массивов, рассмотрите альтернативный подход, описанный в этом руководстве.
| Аргументы | |
|---|---|
tensors | Элемент набора данных, компоненты которого имеют одинаковое первое измерение. Поддерживаемые значения описаны здесь. |
name | (Необязательно.) Имя операции tf.data. |
| Возвращаемое значение | |
|---|---|
Dataset | Объект Dataset. |
from_tensors
@staticmethod
from_tensors(
tensors, name=None
) -> 'DatasetV2'
Создаёт набор данных Dataset с одним элементом, состоящим из заданных тензоров.
from_tensors создаёт набор данных, содержащий только один элемент. Чтобы нарезать входной тензор на несколько элементов, используйте from_tensor_slices.
dataset = tf.data.Dataset.from_tensors([1, 2, 3]) list(dataset.as_numpy_iterator()) [array([1, 2, 3], dtype=int32)] dataset = tf.data.Dataset.from_tensors(([1, 2, 3], 'A')) list(dataset.as_numpy_iterator()) [(array([1, 2, 3], dtype=int32), b'A')]
# You can use `from_tensors` to produce a dataset which repeats # the same example many times. example = tf.constant([1,2,3]) dataset = tf.data.Dataset.from_tensors(example).repeat(2) list(dataset.as_numpy_iterator()) [array([1, 2, 3], dtype=int32), array([1, 2, 3], dtype=int32)]
Обратите внимание, что если tensors содержит NumPy-массив, и выполнение в режиме eager отключено, значения будут встроены в график как одна или несколько операций tf.constant. Для больших наборов данных (> 1 ГБ) это может привести к потере памяти и ограничению размера графа. Если tensors содержит один или несколько больших NumPy-массивов, рассмотрите альтернативный подход, описанный в этом руководстве.
| Аргументы | |
|---|---|
tensors | Элемент набора данных. Поддерживаемые значения описаны здесь. |
name | (Необязательно.) Имя операции tf.data. |
| Возвращаемое значение | |
|---|---|
Dataset | Объект Dataset. |
get_single_element
get_single_element(
name=None
)
Возвращает единственный элемент набора данных dataset.
Функция позволяет использовать набор данных tf.data.Dataset в бессостоятельном выражении «тензор-в-тензор», не создавая итератор. Это упрощает преобразование данных тензоров с помощью оптимизированной абстракции набора данных tf.data.Dataset над ними.
Например, рассмотрим набор данных preprocessing_fn, который принимает на вход исходные признаки и возвращает обработанные признаки вместе с меткой.
def preprocessing_fn(raw_feature):
# ... the raw_feature is preprocessed as per the use-case
return feature
raw_features = ... # input batch of BATCH_SIZE elements.
dataset = (tf.data.Dataset.from_tensor_slices(raw_features)
.map(preprocessing_fn, num_parallel_calls=BATCH_SIZE)
.batch(BATCH_SIZE))
processed_features = dataset.get_single_element()
В приведённом выше примере тензор raw_features длиной BATCH_SIZE был преобразован в набор данных tf.data.Dataset. Затем каждый из raw_feature был обработан с помощью preprocessing_fn, а обработанные признаки были сгруппированы в одну партию. Конечный набор данных dataset содержит только один элемент, который представляет собой пакет всех обработанных признаков.
Примечание: Набор данных dataset должен содержать только один элемент.
Теперь, вместо создания итератора для набора данных dataset и получения пакета признаков, используется функция tf.data.get_single_element(), чтобы пропустить создание итератора и напрямую вывести пакет признаков.
Это может быть особенно полезно, когда преобразования тензоров выражены в виде операций набора данных tf.data.Dataset, и вы хотите использовать эти преобразования при обслуживании вашей модели.
Keras
model = ... # A pre-built or custom model
class PreprocessingModel(tf.keras.Model):
def __init__(self, model):
super().__init__(self)
self.model = model
@tf.function(input_signature=[...])
def serving_fn(self, data):
ds = tf.data.Dataset.from_tensor_slices(data)
ds = ds.map(preprocessing_fn, num_parallel_calls=BATCH_SIZE)
ds = ds.batch(batch_size=BATCH_SIZE)
return tf.argmax(self.model(ds.get_single_element()), axis=-1)
preprocessing_model = PreprocessingModel(model)
your_exported_model_dir = ... # save the model to this path.
tf.saved_model.save(preprocessing_model, your_exported_model_dir,
signatures={'serving_default': preprocessing_model.serving_fn}
)
| Аргументы | |
|---|---|
name | (Необязательно.) Имя операции tf.data. |
| Возвращаемое значение | |
|---|---|
Вложенная структура объектов tf.Tensor, соответствующая единственному элементу dataset. |
| Исключения | |
|---|---|
InvalidArgumentError | (при выполнении) если dataset не содержит ровно один элемент. |
group_by_window
group_by_window(
key_func, reduce_func, window_size=None, window_size_func=None, name=None
) -> 'DatasetV2'
Группирует окна элементов по ключу и выполняет их сокращение.
Это преобразование сопоставляет каждый последовательный элемент в наборе данных с ключом, используя key_func, и группирует элементы по ключу. Затем оно применяет reduce_func к не более чем window_size_func(key) элементам, соответствующим одному и тому же ключу. Все, кроме конечного окна для каждого ключа, будут содержать window_size_func(key) элемента; конечное окно может быть меньше.
Вы можете указать либо константу window_size, либо размер окна, определяемый ключом, с помощью window_size_func.
dataset = tf.data.Dataset.range(10)
window_size = 5
key_func = lambda x: x%2
reduce_func = lambda key, dataset: dataset.batch(window_size)
dataset = dataset.group_by_window(
key_func=key_func,
reduce_func=reduce_func,
window_size=window_size)
for elem in dataset.as_numpy_iterator():
print(elem)
[0 2 4 6 8]
[1 3 5 7 9]| Аргументы | |
|---|---|
key_func | Функция, сопоставляющая вложенную структуру тензоров (с формами и типами, определенными self.output_shapes и self.output_types) со скалярным тензором tf.int64. |
reduce_func | Функция, сопоставляющая ключ и набор данных из не более чем window_size последовательных элементов, соответствующих этому ключу, с другим набором данных. |
window_size | Скалярный tf.int64 тензор, представляющий количество последовательных элементов, соответствующих одному ключу, которые нужно объединить в одну партию, который будет передан reduce_func. Взаимоисключающее с window_size_func. |
window_size_func | Функция, сопоставляющая ключ со скалярным tf.int64 тензором, представляющим количество последовательных элементов, соответствующих одному ключу, которые нужно объединить в одну партию, который будет передан reduce_func. Взаимоисключающее с window_size. |
name | (Необязательно.) Имя операции tf.data. |
| Возвращаемое значение | |
|---|---|
Новый Dataset с применённым преобразованием, как описано выше. |
| Исключения | |
|---|---|
ValueError | если ни один, ни оба из {window_size, window_size_func} не переданы. |
ignore_errors
ignore_errors(
log_warning=False, name=None
) -> 'DatasetV2'
Опускает элементы, вызывающие ошибки.
dataset = tf.data.Dataset.from_tensor_slices([1., 2., 0., 4.]) dataset = dataset.map(lambda x: tf.debugging.check_numerics(1. / x, "")) list(dataset.as_numpy_iterator()) Traceback (most recent call last): InvalidArgumentError: ... Tensor had Inf values dataset = dataset.ignore_errors() list(dataset.as_numpy_iterator()) [1.0, 0.5, 0.25]
| Аргументы | |
|---|---|
log_warning | (Необязательно.) Булево значение, указывающее, следует ли регистрировать пропущенные ошибки в stderr. По умолчанию False. |
name | (Необязательно.) Строка, обозначающая имя операции tf.data. |
| Возвращаемое значение | |
|---|---|
Новый Dataset с применённым преобразованием, как описано выше. |
interleave
interleave(
map_func,
cycle_length=None,
block_length=None,
num_parallel_calls=None,
deterministic=None,
name=None
) -> 'DatasetV2'
Применяет map_func к этому набору данных и переплетает результаты.
Тип подписи:
def interleave( self: Dataset[T], map_func: Callable[[T], Dataset[S]] ) -> Dataset[S]
Например, вы можете использовать Dataset.interleave() для одновременной обработки многих файлов ввода:
# Preprocess 4 files concurrently, and interleave blocks of 16 records
# from each file.
filenames = ["/var/data/file1.txt", "/var/data/file2.txt",
"/var/data/file3.txt", "/var/data/file4.txt"]
dataset = tf.data.Dataset.from_tensor_slices(filenames)
def parse_fn(filename):
return tf.data.Dataset.range(10)
dataset = dataset.interleave(lambda x:
tf.data.TextLineDataset(x).map(parse_fn, num_parallel_calls=1),
cycle_length=4, block_length=16)Аргументы cycle_length и block_length контролируют порядок получения элементов. cycle_length контролирует количество элементов ввода, которые обрабатываются одновременно. Если вы установите cycle_length в 1, это преобразование будет обрабатывать один элемент ввода за раз и даст идентичные результаты tf.data.Dataset.flat_map. В общем случае это преобразование применит map_func к cycle_length элементам ввода, откроет итераторы на возвращенных Dataset объектах и перейдет по ним, создавая block_length последовательных элементов из каждого итератора и используя следующий элемент ввода каждый раз, когда достигает конца итератора.
Например:
dataset = Dataset.range(1, 6) # ==> [ 1, 2, 3, 4, 5 ]
# NOTE: New lines indicate "block" boundaries.
dataset = dataset.interleave(
lambda x: Dataset.from_tensors(x).repeat(6),
cycle_length=2, block_length=4)
list(dataset.as_numpy_iterator())
[1, 1, 1, 1,
2, 2, 2, 2,
1, 1,
2, 2,
3, 3, 3, 3,
4, 4, 4, 4,
3, 3,
4, 4,
5, 5, 5, 5,
5, 5]Примечание: Порядок элементов, выводимых этим преобразованием, является детерминированным, еслиmap_funcявляется чистой функцией иdeterministic=True. Еслиmap_funcсодержит какие-либо состоятельные операции, порядок, в котором этот статус обращается, не определён.
Производительность часто можно улучшить, установив num_parallel_calls, чтобы interleave использовал несколько потоков для извлечения элементов. Если детерминизм не требуется, производительность также можно улучшить, установив deterministic=False.
filenames = ["/var/data/file1.txt", "/var/data/file2.txt",
"/var/data/file3.txt", "/var/data/file4.txt"]
dataset = tf.data.Dataset.from_tensor_slices(filenames)
dataset = dataset.interleave(lambda x: tf.data.TFRecordDataset(x),
cycle_length=4, num_parallel_calls=tf.data.AUTOTUNE,
deterministic=False)| Аргументы | |
|---|---|
map_func | Функция, которая принимает элемент набора данных и возвращает tf.data.Dataset. |
cycle_length | (Необязательно.) Количество элементов ввода, которые будут обрабатываться одновременно. Если не установлено, среда выполнения tf.data определяет его на основе доступного процессора. Если num_parallel_calls установлено в tf.data.AUTOTUNE, аргумент cycle_length определяет максимальную степень параллелизма. |
block_length | (Необязательно.) Количество последовательных элементов, которые необходимо получить от каждого элемента ввода перед переключением на другой элемент ввода. Если не установлено, по умолчанию равно 1. |
num_parallel_calls | (Необязательно.) Если указано, реализация создаёт пул потоков, который используется для асинхронного и параллельного извлечения данных из циклических элементов. По умолчанию данные из циклических элементов извлекаются синхронно без параллелизма. Если используется значение tf.data.AUTOTUNE, то количество параллельных вызовов устанавливается динамически на основе доступного процессора. |
deterministic | (Необязательно.) Если указано num_parallel_calls, если этот булевый параметр указан (True или False), он управляет порядком, в котором преобразование генерирует элементы. Если установлено значение False, преобразование может генерировать элементы в произвольном порядке, чтобы обменять детерминизм на производительность. Если не указано, параметр tf.data.Options.deterministic (True по умолчанию) управляет поведением. |
name | (Необязательно.) Имя операции tf.data. |
| Возвращаемое значение | |
|---|---|
Новый Dataset с применённым преобразованием, как описано выше. |
list_files
@staticmethod
list_files(
file_pattern, shuffle=None, seed=None, name=None
) -> 'DatasetV2'
Набор данных со всеми файлами, соответствующими одному или нескольким шаблонам glob.
Аргумент file_pattern должен быть небольшой группой шаблонов glob. Если имена файлов уже были обработаны glob, используйте Dataset.from_tensor_slices(filenames) вместо этого, так как повторное применение list_files к каждому имени файла может привести к плохой производительности с системами удалённого хранения.
Примечание: По умолчанию этот метод возвращает имена файлов в произвольном порядке, без учёта ранжирования. Передайтеseedилиshuffle=False, чтобы получить результаты в определённом порядке.
| Пример | |
|---|---|
Если на файловой системе у нас есть следующие файлы:
Если мы передадим "/path/to/dir/*.py" в качестве каталога, набор данных вернёт:
|
| Аргументы | |
|---|---|
file_pattern | Строка, список строк или tf.Tensor типа строка (скаляр или вектор), представляющая шаблон(ы) сопоставления файлов с использованием подстановочных знаков оболочки (т.е. подстановочных знаков оболочки), которые будут сопоставлены. |
shuffle | (Необязательно.) Если True, имена файлов будут перемешаны случайным образом. По умолчанию True. |
seed | (Необязательно.) Скалярный tf.int64 tf.Tensor, представляющий случайное семя, которое будет использоваться для создания распределения. См. tf.random.set_seed для поведения. |
name | Необязательно. Имя tf.data-операций, используемых list_files. |
| Возвращаемое значение | |
|---|---|
Dataset | Список строк, соответствующих именам файлов. |
load
@staticmethod
load(
path, element_spec=None, compression=None, reader_func=None
) -> 'DatasetV2'
Загружает ранее сохраненный набор данных.
Пример использования:
import tempfile path = os.path.join(tempfile.gettempdir(), "saved_data") # Save a dataset dataset = tf.data.Dataset.range(2) tf.data.Dataset.save(dataset, path) new_dataset = tf.data.Dataset.load(path) for elem in new_dataset: print(elem) tf.Tensor(0, shape=(), dtype=int64) tf.Tensor(1, shape=(), dtype=int64)
Если использовался параметр по умолчанию для фрагментации сохраненного набора данных, порядок элементов сохраненного набора данных будет сохранен при его загрузке.
Аргумент reader_func может быть использован для указания пользовательского порядка, в котором элементы должны загружаться из отдельных фрагментов. Ожидается, что reader_func примет в качестве аргумента один набор данных из наборов данных, каждый из которых содержит элементы одного из фрагментов, и вернёт набор данных из элементов. Например, порядок фрагментов можно перемешать при их загрузке следующим образом:
def custom_reader_func(datasets):
datasets = datasets.shuffle(NUM_SHARDS)
return datasets.interleave(lambda x: x, num_parallel_calls=AUTOTUNE)
dataset = tf.data.Dataset.load(
path="/path/to/data", ..., reader_func=custom_reader_func)
| Аргументы | |
|---|---|
path | Обязательный. Путь к ранее сохранённому набору данных. |
element_spec | Необязательно. Вложенная структура объектов tf.TypeSpec, соответствующая структуре элемента сохранённого набора данных и определяющая тип отдельных компонентов элемента. Если не указано, используется вложенная структура tf.TypeSpec, сохранённая с сохранённым набором данных. Обратите внимание, что этот аргумент обязателен в режиме графа. |
compression | Необязательно. Алгоритм для разархивирования данных при чтении. Поддерживаемые варианты — GZIP и NONE. По умолчанию NONE. |
reader_func | Необязательно. Функция для управления чтением данных из фрагментов. Если присутствует, функция будет прослежена и выполнена как вычисление графа. |
| Возвращаемое значение | |
|---|---|
Экземпляр tf.data.Dataset. |
| Исключения | |
|---|---|
FileNotFoundError | Если element_spec не указано, и вложенная структура tf.TypeSpec не может быть найдена в сохранённом наборе данных. |
ValueError | Если element_spec не указано и метод выполняется в режиме графа. |
make_initializable_iterator
make_initializable_iterator(
shared_name=None
) -> tf.compat.v1.data.Iterator
Создаёт итератор для элементов данного набора данных. (устаревший)
Примечание: Возвращаемый итератор будет находиться в неинициализированном состоянии, и вы должны выполнить операцию iterator.initializer перед его использованием:
# Building graph ...
dataset = ...
iterator = dataset.make_initializable_iterator()
next_value = iterator.get_next() # This is a Tensor.
# ... from within a session ...
sess.run(iterator.initializer)
try:
while True:
value = sess.run(next_value)
...
except tf.errors.OutOfRangeError:
pass
| Аргументы | |
|---|---|
shared_name | (Необязательно.) Если не пусто, возвращаемый итератор будет совместно использоваться под данным именем между несколькими сессиями, которые используют одни и те же устройства (например, при использовании удалённого сервера). |
| Возвращаемое значение | |
|---|---|
tf.data.Iterator для элементов этого набора данных. |
| Исключения | |
|---|---|
RuntimeError | Если включено eager-выполнение. |
make_one_shot_iterator
make_one_shot_iterator() -> Union[iterator_ops.Iterator, iterator_ops.OwnedIterator]
Создаёт итератор для элементов этого набора данных. (устаревший)
Примечание: Возвращаемый итератор будет инициализирован автоматически. "Одноразовый" итератор в настоящее время не поддерживает повторную инициализацию. Для этого см. make_initializable_iterator.
Пример:
# Building graph ...
dataset = ...
next_value = dataset.make_one_shot_iterator().get_next()
# ... from within a session ...
try:
while True:
value = sess.run(next_value)
...
except tf.errors.OutOfRangeError:
pass
| Возвращаемое значение | |
|---|---|
tf.data.Iterator для элементов этого набора данных. |
map
map(
map_func, num_parallel_calls=None, deterministic=None, name=None
)
Применяет map_func ко всем элементам этого набора данных.
Эта трансформация применяет map_func к каждому элементу этого набора данных и возвращает новый набор данных, содержащий преобразованные элементы в том же порядке, что и в исходном наборе. map_func может использоваться для изменения как значений, так и структуры элементов набора данных. Поддерживаемые конструкции структуры описаны здесь.
Например, map может использоваться для добавления 1 к каждому элементу или для проекции подмножества компонентов элемента.
dataset = Dataset.range(1, 6) # ==> [ 1, 2, 3, 4, 5 ] dataset = dataset.map(lambda x: x + 1) list(dataset.as_numpy_iterator()) [2, 3, 4, 5, 6]
Входной тип map_func определяется структурой каждого элемента в этом наборе данных.
dataset = Dataset.range(5) # `map_func` takes a single argument of type `tf.Tensor` with the same # shape and dtype. result = dataset.map(lambda x: x + 1)
# Each element is a tuple containing two `tf.Tensor` objects.
elements = [(1, "foo"), (2, "bar"), (3, "baz")]
dataset = tf.data.Dataset.from_generator(
lambda: elements, (tf.int32, tf.string))
# `map_func` takes two arguments of type `tf.Tensor`. This function
# projects out just the first component.
result = dataset.map(lambda x_int, y_str: x_int)
list(result.as_numpy_iterator())
[1, 2, 3]# Each element is a dictionary mapping strings to `tf.Tensor` objects.
elements = ([{"a": 1, "b": "foo"},
{"a": 2, "b": "bar"},
{"a": 3, "b": "baz"}])
dataset = tf.data.Dataset.from_generator(
lambda: elements, {"a": tf.int32, "b": tf.string})
# `map_func` takes a single argument of type `dict` with the same keys
# as the elements.
result = dataset.map(lambda d: str(d["a"]) + d["b"])Значение или значения, возвращаемые map_func, определяют структуру каждого элемента в возвращаемом наборе данных.
dataset = tf.data.Dataset.range(3) # `map_func` returns two `tf.Tensor` objects. def g(x): return tf.constant(37.0), tf.constant(["Foo", "Bar", "Baz"]) result = dataset.map(g) result.element_spec (TensorSpec(shape=(), dtype=tf.float32, name=None), TensorSpec(shape=(3,), dtype=tf.string, name=None)) # Python primitives, lists, and NumPy arrays are implicitly converted to # `tf.Tensor`. def h(x): return 37.0, ["Foo", "Bar"], np.array([1.0, 2.0], dtype=np.float64) result = dataset.map(h) result.element_spec (TensorSpec(shape=(), dtype=tf.float32, name=None), TensorSpec(shape=(2,), dtype=tf.string, name=None), TensorSpec(shape=(2,), dtype=tf.float64, name=None)) # `map_func` can return nested structures. def i(x): return (37.0, [42, 16]), "foo" result = dataset.map(i) result.element_spec ((TensorSpec(shape=(), dtype=tf.float32, name=None), TensorSpec(shape=(2,), dtype=tf.int32, name=None)), TensorSpec(shape=(), dtype=tf.string, name=None))
map_func может принимать в качестве аргументов и возвращать любой тип элемента набора данных.
Обратите внимание, что независимо от контекста, в котором определено map_func (eager или graph), tf.data отслеживает функцию и выполняет её как вычисление графа. Для использования Python-кода внутри функции у вас есть несколько вариантов:
1) Используйте AutoGraph для преобразования Python-кода в эквивалентное вычисление графа. Недостатком этого подхода является то, что AutoGraph может преобразовать не весь Python-код.
2) Используйте tf.py_function, что позволяет писать произвольный Python-код, но обычно приводит к худшей производительности, чем 1). Например:
d = tf.data.Dataset.from_tensor_slices(['hello', 'world'])
# transform a string tensor to upper case string using a Python function
def upper_case_fn(t: tf.Tensor):
return t.numpy().decode('utf-8').upper()
d = d.map(lambda x: tf.py_function(func=upper_case_fn,
inp=[x], Tout=tf.string))
list(d.as_numpy_iterator())
[b'HELLO', b'WORLD']3) Используйте tf.numpy_function, что также позволяет писать произвольный Python-код. Обратите внимание, что tf.py_function принимает tf.Tensor, а 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 Python GIL).
Производительность часто можно повысить, установив num_parallel_calls, чтобы map использовал несколько потоков для обработки элементов. Если порядок не является определяющим, производительность также можно повысить, установив deterministic=False.
dataset = Dataset.range(1, 6) # ==> [ 1, 2, 3, 4, 5 ]
dataset = dataset.map(lambda x: x + 1,
num_parallel_calls=tf.data.AUTOTUNE,
deterministic=False)Порядок элементов, полученных в результате этого преобразования, является детерминированным, если deterministic=True. Если map_func содержит операции с состоянием и num_parallel_calls > 1, порядок доступа к этому состоянию не определён, поэтому значения выходных элементов могут быть не детерминированными независимо от значения флага deterministic.
| Аргументы | |
|---|---|
map_func | Функция, отображающая элемент набора данных на другой элемент набора данных. |
num_parallel_calls | (Необязательно.) Скалярное значение tf.int64 tf.Tensor, представляющее количество элементов для асинхронной обработки в параллели. Если не указано, элементы будут обрабатываться последовательно. Если используется значение tf.data.AUTOTUNE, то количество параллельных вызовов устанавливается динамически на основе доступных ЦП. |
deterministic | (Необязательно.) При указании num_parallel_calls, если этот булевый параметр указан (True или False), он управляет порядком, в котором преобразование производит элементы. Если установлен в значение False, преобразованию разрешается выдавать элементы в произвольном порядке, чтобы пожертвовать детерминированностью в пользу производительности. Если не указано, поведение контролируется параметром tf.data.Options.deterministic (True по умолчанию). |
name | (Необязательно.) Имя операции tf.data. |
| Возвращаемые значения | |
|---|---|
Новый Dataset с применённым преобразованием, как описано выше. |
map_with_legacy_function
map_with_legacy_function(
map_func, num_parallel_calls=None, deterministic=None
) -> 'DatasetV1Adapter'
Применяет map_func к элементам этого набора данных. (устарело)
Примечание: Это временный механизм для существующих примененийmap, которые не работают с функциями V2. Новый используемый метод настоятельно не рекомендуется, а существующие должны быть мигрированы кmap, так как этот метод будет удалён в V2.
| Аргументы | |
|---|---|
map_func | Функция, отображающая (вложенную) структуру тензоров (с формами и типами, определёнными self.output_shapes и self.output_types) на другую (вложенную) структуру тензоров. |
num_parallel_calls | (Необязательно.) Скалярное значение tf.int32 tf.Tensor, представляющее количество элементов для асинхронной обработки в параллели. Если не указано, элементы будут обрабатываться последовательно. Если используется значение tf.data.AUTOTUNE, то количество параллельных вызовов устанавливается динамически на основе доступных ЦП. |
deterministic | (Необязательно.) При указании num_parallel_calls, этот булевый параметр управляет порядком, в котором преобразование производит элементы. Если установлен в значение False, преобразованию разрешается выдавать элементы в произвольном порядке, чтобы пожертвовать детерминированностью в пользу производительности. Если не указано, поведение контролируется параметром tf.data.Options.deterministic (True по умолчанию). |
| Возвращаемые значения | |
|---|---|
Dataset | Объект Dataset. |
options
options()
Возвращает параметры этого набора данных и его входных данных.
| Возвращаемые значения | |
|---|---|
Объект tf.data.Options, представляющий параметры набора данных. |
padded_batch
padded_batch(
batch_size,
padded_shapes=None,
padding_values=None,
drop_remainder=False,
name=None
) -> 'DatasetV2'
Объединяет последовательные элементы этого набора данных в выровненные пакеты.
Это преобразование объединяет несколько последовательных элементов входного набора данных в один элемент.
Как и tf.data.Dataset.batch, компоненты результирующего элемента будут иметь дополнительное внешнее измерение, которое будет равно batch_size (или N % batch_size для последнего элемента, если batch_size не делит количество входных элементов N нацело и drop_remainder равно False). Если ваша программа зависит от того, что пакеты имеют одинаковое внешнее измерение, вы должны установить аргумент drop_remainder в значение True, чтобы предотвратить создание меньшего пакета.
В отличие от tf.data.Dataset.batch, входные элементы для формирования пакетов могут иметь разные формы, и это преобразование будет выравнивать каждый компонент до соответствующей формы в padded_shapes. Аргумент padded_shapes определяет результирующую форму для каждого измерения каждого компонента в элементе выходного значения:
- Если измерение является константой, компонент будет выровнен до указанной длины в этом измерении.
- Если измерение неизвестно, компонент будет выровнен до максимальной длины всех элементов в этом измерении.
A = (tf.data.Dataset
.range(1, 5, output_type=tf.int32)
.map(lambda x: tf.fill([x], x)))
# Pad to the smallest per-batch size that fits all elements.
B = A.padded_batch(2)
for element in B.as_numpy_iterator():
print(element)
[[1 0]
[2 2]]
[[3 3 3 0]
[4 4 4 4]]
# Pad to a fixed size.
C = A.padded_batch(2, padded_shapes=5)
for element in C.as_numpy_iterator():
print(element)
[[1 0 0 0 0]
[2 2 0 0 0]]
[[3 3 3 0 0]
[4 4 4 4 0]]
# Pad with a custom value.
D = A.padded_batch(2, padded_shapes=5, padding_values=-1)
for element in D.as_numpy_iterator():
print(element)
[[ 1 -1 -1 -1 -1]
[ 2 2 -1 -1 -1]]
[[ 3 3 3 -1 -1]
[ 4 4 4 4 -1]]
# Components of nested elements can be padded independently.
elements = [([1, 2, 3], [10]),
([4, 5], [11, 12])]
dataset = tf.data.Dataset.from_generator(
lambda: iter(elements), (tf.int32, tf.int32))
# Pad the first component of the tuple to length 4, and the second
# component to the smallest size that fits.
dataset = dataset.padded_batch(2,
padded_shapes=([4], [None]),
padding_values=(-1, 100))
list(dataset.as_numpy_iterator())
[(array([[ 1, 2, 3, -1], [ 4, 5, -1, -1]], dtype=int32),
array([[ 10, 100], [ 11, 12]], dtype=int32))]
# Pad with a single value and multiple components.
E = tf.data.Dataset.zip((A, A)).padded_batch(2, padding_values=-1)
for element in E.as_numpy_iterator():
print(element)
(array([[ 1, -1],
[ 2, 2]], dtype=int32), array([[ 1, -1],
[ 2, 2]], dtype=int32))
(array([[ 3, 3, 3, -1],
[ 4, 4, 4, 4]], dtype=int32), array([[ 3, 3, 3, -1],
[ 4, 4, 4, 4]], dtype=int32))См. также tf.data.experimental.dense_to_sparse_batch, который объединяет элементы, которые могут иметь разные формы, в tf.sparse.SparseTensor.
| Аргументы | |
|---|---|
batch_size | Скалярное значение tf.int64 tf.Tensor, представляющее количество последовательных элементов этого набора данных для объединения в один пакет. |
padded_shapes | (Необязательно.) (Вложенная) структура объектов tf.TensorShape или tf.int64 векторных тензоров, представляющих форму, до которой соответствующий компонент каждого входного элемента должен быть выровнен перед формированием пакета. Любые неизвестные измерения будут выровнены до максимального размера этого измерения в каждом пакете. padded_shapes должен быть установлен, если у какого-либо компонента неизвестен ранг. |
padding_values | (Необязательно.) (Вложенная) структура скалярных tf.Tensor, представляющих значения выравнивания для соответствующих компонентов. None означает, что (вложенная) структура должна быть выровнена по умолчанию. Значения по умолчанию — 0 для числовых типов и пустая строка для строковых типов. Структура padding_values должна иметь ту же (вложенную) структуру, что и входной набор данных. Если padding_values является единственным элементом, а входной набор данных имеет несколько компонентов, то тот же padding_values будет использоваться для выравнивания каждого компонента набора данных. Если padding_values является скалярным значением, то его значение будет транслироваться, чтобы соответствовать форме каждого компонента. |
drop_remainder | (Необязательно.) Скалярное значение tf.bool tf.Tensor, представляющее, должен ли последний пакет быть пропущен в случае, если он содержит меньше, чем batch_size элементов; поведение по умолчанию — не пропускать меньший пакет. |
name | (Необязательно.) Имя операции tf.data. |
| Возвращаемые значения | |
|---|---|
Новый Dataset с применённым преобразованием, как описано выше. |
| Исключения | |
|---|---|
ValueError | Если у компонента неизвестный ранг, и аргумент padded_shapes не задан. |
TypeError | Если компонент имеет неподдерживаемый тип. Список поддерживаемых типов приведен в https://www.tensorflow.org/guide/data#dataset_structure |
prefetch
prefetch(
buffer_size, name=None
) -> 'DatasetV2'
Создаёт Dataset, который предварительно загружает элементы из этого набора данных.
Большинство конвейеров входных данных набора данных должны заканчиваться вызовом prefetch. Это позволяет подготовить последующие элементы, пока текущий элемент обрабатывается. Это часто улучшает задержки и пропускную способность, но с затратами дополнительной памяти для хранения предварительно загруженных элементов.
Примечание: Как и другие методыDataset, prefetch работает с элементами входного набора данных. Он не понимает различия между примерами и пакетами.examples.prefetch(2)предварительно загрузит два элемента (2 примера), в то время какexamples.batch(20).prefetch(2)предварительно загрузит 2 элемента (2 пакета по 20 примеров каждый).
dataset = tf.data.Dataset.range(3) dataset = dataset.prefetch(2) list(dataset.as_numpy_iterator()) [0, 1, 2]
| Аргументы | |
|---|---|
buffer_size | Скалярное значение типа tf.int64 tf.Tensor, представляющее максимальное количество элементов, которые будут буферизованы при предварительной выборке. Если используется значение tf.data.AUTOTUNE, размер буфера настраивается динамически. |
name | Необязательно. Название преобразования tf.data. |
| Возвращаемое значение | |
|---|---|
Новый Dataset с применённым преобразованием, как описано выше. |
ragged_batch
ragged_batch(
batch_size,
drop_remainder=False,
row_splits_dtype=tf.dtypes.int64,
name=None
) -> 'DatasetV2'
Объединяет последовательные элементы этого набора данных в tf.RaggedTensor.
Как и tf.data.Dataset.batch, компоненты результирующего элемента будут иметь дополнительное внешнее измерение, которое будет batch_size (или N % batch_size для последнего элемента, если batch_size не делит количество входных элементов N нацело и drop_remainder равно False). Если ваш код зависит от того, чтобы у партий было одинаковое внешнее измерение, вы должны установить аргумент drop_remainder в значение True, чтобы предотвратить создание меньшей партии.
В отличие от tf.data.Dataset.batch, входные элементы для объединения в партии могут иметь разные формы:
- Если входной элемент является
tf.Tensor, чья статическаяtf.TensorShapeполностью определена, то он объединяется в партию как обычно. - Если входной элемент является
tf.Tensor, чья статическаяtf.TensorShapeсодержит один или несколько осей с неизвестным размером (т.е.,shape[i]=None), то выходной элемент будет содержатьtf.RaggedTensor, который будет разрежен по любым из этих измерений. - Если входной элемент является
tf.RaggedTensorили любого другого типа, то он объединяется в партию как обычно.
Пример:
dataset = tf.data.Dataset.range(6) dataset = dataset.map(lambda x: tf.range(x)) dataset.element_spec.shape TensorShape([None]) dataset = dataset.ragged_batch(2) for batch in dataset: print(batch) <tf.RaggedTensor [[], [0]]> <tf.RaggedTensor [[0, 1], [0, 1, 2]]> <tf.RaggedTensor [[0, 1, 2, 3], [0, 1, 2, 3, 4]]>
| Аргументы | |
|---|---|
batch_size | Скалярное значение типа tf.int64 tf.Tensor, представляющее количество последовательных элементов этого набора данных, которые необходимо объединить в одной партии. |
drop_remainder | (Необязательно.) Скалярное значение типа tf.bool tf.Tensor, представляющее, следует ли отбрасывать последнюю партию в случае, если она содержит меньше, чем batch_size элементов; по умолчанию меньшая партия не отбрасывается. |
row_splits_dtype | Тип данных, который следует использовать для row_splits любых новых разреженных тензоров. Существующие элементы tf.RaggedTensor не изменяют свой тип данных row_splits. |
name | (Необязательно.) Строка, указывающая имя операции tf.data. |
| Возвращаемое значение | |
|---|---|
Новый Dataset с применённым преобразованием, как описано выше. |
random
@staticmethod
random(
seed=None, rerandomize_each_iteration=None, name=None
) -> 'DatasetV2'
Создаёт набор данных псевдослучайных значений.
Набор данных генерирует последовательность равномерно распределённых целочисленных значений.
rerandomize_each_iteration управляет тем, следует ли переинициализировать последовательность случайных чисел для каждой эпохи. Значение по умолчанию - False, где набор данных генерирует одну и ту же последовательность случайных чисел для каждой эпохи.
ds1 = tf.data.Dataset.random(seed=4).take(10) ds2 = tf.data.Dataset.random(seed=4).take(10) print(list(ds1.as_numpy_iterator())==list(ds2.as_numpy_iterator())) True
ds3 = tf.data.Dataset.random(seed=4).take(10) ds3_first_epoch = list(ds3.as_numpy_iterator()) ds3_second_epoch = list(ds3.as_numpy_iterator()) print(ds3_first_epoch == ds3_second_epoch) True
ds4 = tf.data.Dataset.random(
seed=4, rerandomize_each_iteration=True).take(10)
ds4_first_epoch = list(ds4.as_numpy_iterator())
ds4_second_epoch = list(ds4.as_numpy_iterator())
print(ds4_first_epoch == ds4_second_epoch)
False| Аргументы | |
|---|---|
seed | (Необязательно) Если указано, набор данных генерирует детерминированную последовательность значений. |
rerandomize_each_iteration | (Необязательно) Если установлено в False, набор данных генерирует одну и ту же последовательность случайных чисел для каждой эпохи. Если установлено в True, генерируется другая детерминированная последовательность случайных чисел для каждой эпохи. По умолчанию False, если не указано. |
name | (Необязательно.) Название операции tf.data. |
| Возвращаемое значение | |
|---|---|
Dataset | Набор данных. |
range
@staticmethod
range(
*args, **kwargs
) -> 'DatasetV2'
Создаёт набор данных с шагом-разделённого диапазона значений.
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 python's range. len(args) == 1 -> start = 0, stop = args[0], step = 1. len(args) == 2 -> start = args[0], stop = args[1], step = 1. len(args) == 3 -> start = args[0], stop = args[1], step = args[2]. |
**kwargs |
|
| Возвращаемое значение | |
|---|---|
Dataset | Набор данных. |
| Исключения | |
|---|---|
ValueError | если len(args) == 0. |
rebatch
rebatch(
batch_size, drop_remainder=False, name=None
) -> 'DatasetV2'
Создаёт набор данных, который повторно объединяет элементы из этого набора данных.
rebatch(N) функционально эквивалентен unbatch().batch(N), но более эффективен, выполняя одну копию вместо двух.
ds = tf.data.Dataset.range(6) ds = ds.batch(2) ds = ds.rebatch(3) list(ds.as_numpy_iterator()) [array([0, 1, 2]), array([3, 4, 5])]
ds = tf.data.Dataset.range(7) ds = ds.batch(4) ds = ds.rebatch(3) list(ds.as_numpy_iterator()) [array([0, 1, 2]), array([3, 4, 5]), array([6])]
ds = tf.data.Dataset.range(7) ds = ds.batch(2) ds = ds.rebatch(3, drop_remainder=True) list(ds.as_numpy_iterator()) [array([0, 1, 2]), array([3, 4, 5])]
Если аргумент batch_size является списком, rebatch циклически проходит по списку, чтобы определить размер каждой партии.
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 | Скалярное или векторное значение типа tf.int64, представляющее размер партий для создания. Если этот аргумент является вектором, эти значения циклически проходят в режиме круговой очереди. |
drop_remainder | (Необязательно.) Скалярное значение типа tf.bool tf.Tensor, представляющее, следует ли отбрасывать последнюю партию в случае, если она содержит меньше, чем batch_size[cycle_index] элементов; по умолчанию меньшая партия не отбрасывается. |
name | (Необязательно.) Название операции tf.data. |
| Возвращаемое значение | |
|---|---|
Набор данных скалярных элементов dtype. |
reduce
reduce(
initial_state, reduce_func, name=None
)
Сокращает входной набор данных до одного элемента.
Преобразование вызывает reduce_func последовательно на каждом элементе входного набора данных до тех пор, пока набор данных не исчерпан, агрегируя информацию во внутренней структуре состояния. Аргумент initial_state используется для начального состояния, и конечное состояние возвращается в качестве результата.
tf.data.Dataset.range(5).reduce(np.int64(0), lambda x, _: x + 1).numpy() 5 tf.data.Dataset.range(5).reduce(np.int64(0), lambda x, y: x + y).numpy() 10
| Аргументы | |
|---|---|
initial_state | Элемент, представляющий начальное состояние преобразования. |
reduce_func | Функция, которая отображает (old_state, input_element) в new_state. Она должна принимать два аргумента и возвращать новый элемент. Структура new_state должна соответствовать структуре initial_state. |
name | (Необязательно.) Название операции tf.data. |
| Возвращаемое значение | |
|---|---|
| Элемент набора данных, соответствующий конечному состоянию преобразования. |
rejection_resample
rejection_resample(
class_func, target_dist, initial_dist=None, seed=None, name=None
) -> 'DatasetV2'
Перевыборка элементов для достижения целевого распределения.
Примечание: Данная реализация может отклонять или повторять элементы, чтобы достичьtarget_dist. Поэтому в некоторых случаях результатDatasetможет быть больше, чем входнойDataset.
initial_dist = [0.6, 0.4] n = 1000 elems = np.random.choice(len(initial_dist), size=n, p=initial_dist) dataset = tf.data.Dataset.from_tensor_slices(elems) zero, one = np.bincount(list(dataset.as_numpy_iterator())) / n
Следуя из initial_dist, zero составляет ~0,6, а one составляет ~0,4.
target_dist = [0.5, 0.5] dataset = dataset.rejection_resample( class_func=lambda x: x, target_dist=target_dist, initial_dist=initial_dist) dataset = dataset.map(lambda class_func_result, data: data) zero, one = np.bincount(list(dataset.as_numpy_iterator())) / n
Следуя из target_dist, zero составляет ~0,5, а one составляет ~0,5.
| Аргументы | |
|---|---|
class_func | Функция, сопоставляющая элемент входного набора данных со скалярным тензором tf.int32. Значения должны быть в [0, num_classes). |
target_dist | Тензор с плавающей точкой, имеющий форму [num_classes]. |
initial_dist | (Необязательно.) Тензор с плавающей точкой, имеющий форму [num_classes]. Если не указан, то распределение истинных классов оценивается в режиме потоковой обработки. |
seed | (Необязательно.) Целое число Python для генерации случайных чисел ресамплера. |
name | (Необязательно.) Имя операции tf.data. |
| Возвращает | |
|---|---|
Новый Dataset с примененным преобразованием, как описано выше. |
repeat
repeat(
count=None, name=None
) -> 'DatasetV2'
Повторяет этот набор данных, так что каждое исходное значение будет отображаться count раз.
dataset = tf.data.Dataset.from_tensor_slices([1, 2, 3]) dataset = dataset.repeat(3) list(dataset.as_numpy_iterator()) [1, 2, 3, 1, 2, 3, 1, 2, 3]
Примечание: Если входной набор данных зависит от глобального состояния (например, генератора случайных чисел) или его вывод не является детерминированным (например, из-за потока shuffle), то разные повторения могут генерировать разные элементы.
| Аргументы | |
|---|---|
count | (Необязательно.) Скалярный тензор tf.int64, представляющий количество повторений набора данных. По умолчанию (если count равен None или -1) набор данных повторяется бесконечно. |
name | (Необязательно.) Имя операции tf.data. |
| Возвращает | |
|---|---|
Новый Dataset с примененным преобразованием, как описано выше. |
sample_from_datasets
@staticmethod
sample_from_datasets(
datasets,
weights=None,
seed=None,
stop_on_empty_dataset=False,
rerandomize_each_iteration=None
) -> 'DatasetV2'
Случайно выбирает элементы из наборов данных в datasets.
Создает набор данных путем чередования элементов из datasets с вероятностью weight[i] выбора элемента из набора данных i. Выборка осуществляется без возвращения. Например, предположим, что у нас есть 2 набора данных:
dataset1 = tf.data.Dataset.range(0, 3) dataset2 = tf.data.Dataset.range(100, 103)
Предположим, что мы выбираем из этих 2 наборов данных со следующими весами:
sample_dataset = tf.data.Dataset.sample_from_datasets(
[dataset1, dataset2], weights=[0.5, 0.5])
Один из возможных результатов элементов в sample_dataset:
print(list(sample_dataset.as_numpy_iterator())) # [100, 0, 1, 101, 2, 102]
| Аргументы | |
|---|---|
datasets | Непустой список объектов tf.data.Dataset с совместимой структурой. |
weights | (Необязательно.) Список или тензор len(datasets) значений с плавающей точкой, где weights[i] представляет вероятность выбора из datasets[i], или объект tf.data.Dataset, где каждый элемент является таким списком. По умолчанию – равномерное распределение по datasets. |
seed | (Необязательно.) Скалярный тензор tf.int64, представляющий начальное значение для генератора случайных чисел. См. tf.random.set_seed для поведения. |
stop_on_empty_dataset | Если True, выборка останавливается, если встречается пустой набор данных. Если False, выборка продолжается и пропускаются пустые наборы данных. Рекомендуется установить в True. В противном случае распределение выборок изначально соответствует намерениям пользователя, но может изменяться по мере опустошения входных наборов данных. Это может быть трудно обнаружить, так как набор данных изначально выглядит корректно. По умолчанию False для совместимости с предыдущими версиями. |
rerandomize_each_iteration | Необязательный аргумент bool. Логический аргумент управляет тем, будет ли последовательность случайных чисел, используемых для определения, из какого набора данных производить выборку, перегенерирована в каждой эпохе. То есть, определяет, будут ли наборы данных выбираться в одном и том же порядке в разных эпохах (поведение по умолчанию) или нет. |
| Возвращает | |
|---|---|
Набор данных, который чередует элементы из datasets случайным образом, согласно weights, если указано, иначе с равной вероятностью. |
| Возможные ошибки | |
|---|---|
TypeError | Если аргументы datasets или weights имеют неправильный тип. |
ValueError |
|
save
save(
path, compression=None, shard_func=None, checkpoint_args=None
)
Сохраняет содержимое данного набора данных.
Пример использования:
import tempfile path = os.path.join(tempfile.gettempdir(), "saved_data") # Save a dataset dataset = tf.data.Dataset.range(2) dataset.save(path) new_dataset = tf.data.Dataset.load(path) for elem in new_dataset: print(elem) tf.Tensor(0, shape=(), dtype=int64) tf.Tensor(1, shape=(), dtype=int64)
Сохраненный набор данных сохраняется в нескольких файлах «фрагментах». По умолчанию выход набора данных делится на фрагменты в циклическом порядке, но можно указать пользовательское разбиение на фрагменты с помощью функции shard_func. Например, вы можете сохранить набор данных в одном фрагменте следующим образом:
dataset = make_dataset()
def custom_shard_func(element):
return np.int64(0)
dataset.save(
path="/path/to/data", ..., shard_func=custom_shard_func)
Чтобы включить сохранение контрольных точек, передайте checkpoint_args в метод save следующим образом:
dataset = tf.data.Dataset.range(100)
save_dir = "..."
checkpoint_prefix = "..."
step_counter = tf.Variable(0, trainable=False)
checkpoint_args = {
"checkpoint_interval": 50,
"step_counter": step_counter,
"directory": checkpoint_prefix,
"max_to_keep": 20,
}
dataset.save(dataset, save_dir, checkpoint_args=checkpoint_args)
Примечание: Структура каталогов и формат файлов, используемые для сохранения набора данных, считаются реализационными деталями и могут меняться. По этой причине наборы данных, сохраненные с помощьюtf.data.Dataset.save, должны потребляться только с помощьюtf.data.Dataset.load, что гарантирует обратную совместимость.
| Аргументы | |
|---|---|
path | Обязательно. Каталог для сохранения набора данных. |
compression | Необязательно. Алгоритм для сжатия данных при записи. Поддерживаются варианты GZIP и NONE. По умолчанию NONE. |
shard_func | Необязательно. Функция для управления сопоставлением элементов набора данных с файловыми фрагментами. Функция должна сопоставлять элементы входного набора данных с целочисленными идентификаторами фрагментов. При наличии функция отслеживается и выполняется как вычисление графа. |
checkpoint_args | Необязательные аргументы для сохранения контрольных точек, которые будут переданы в tf.train.CheckpointManager. Если checkpoint_args не указаны, то сохранение контрольных точек не выполняется. Реализация save() создает объект tf.train.Checkpoint внутри себя, поэтому пользователи не должны задавать аргумент checkpoint в checkpoint_args. |
| Возвращает | |
|---|---|
| Операция, которая при выполнении выполняет сохранение. При сохранении контрольных точек возвращает None. Значение возвращаемого значения полезно при тестировании. |
| Возможные ошибки | |
|---|---|
ValueError, если checkpoint передается в checkpoint_args. |
scan
scan(
initial_state, scan_func, name=None
) -> 'DatasetV2'
Преобразование, которое применяет функцию к входному набору данных.
Это состоятельное преобразование, относящееся к tf.data.Dataset.map. 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]
| Args | |
|---|---|
initial_state | Вложенная структура тензоров, представляющая начальное состояние аккумулятора. |
scan_func | Функция, отображающая (old_state, input_element) на (new_state, output_element). Она должна принимать два аргумента и возвращать пару вложенных структур тензоров. Структура new_state должна соответствовать структуре initial_state. |
name | (Необязательно.) Имя операции tf.data. |
| Returns | |
|---|---|
Новый Dataset с применённым преобразованием, как описано выше. |
shard
shard(
num_shards, index, name=None
) -> 'DatasetV2'
Создаёт Dataset, включающий только 1/num_shards этого набора данных.
shard является детерминированным. Набор данных, созданный A.shard(n, i), будет содержать все элементы A, чьи индексы при делении на n дают остаток i.
A = tf.data.Dataset.range(10) B = A.shard(num_shards=3, index=0) list(B.as_numpy_iterator()) [0, 3, 6, 9] C = A.shard(num_shards=3, index=1) list(C.as_numpy_iterator()) [1, 4, 7] D = A.shard(num_shards=3, index=2) list(D.as_numpy_iterator()) [2, 5, 8]
Этот оператор набора данных очень полезен при распределённом обучении, так как он позволяет каждому рабочему процессу читать уникальный подмножество.
При чтении одного входного файла, вы можете разделить элементы следующим образом:
d = tf.data.TFRecordDataset(input_file) d = d.shard(num_workers, worker_index) d = d.repeat(num_epochs) d = d.shuffle(shuffle_buffer_size) d = d.map(parser_fn, num_parallel_calls=num_map_threads)
Важные замечания:
- Убедитесь, что вы разделили набор данных до применения любого оператора случайного выбора (например, shuffle).
- В целом, лучше использовать оператор shard в начале конвейера набора данных. Например, при чтении из набора файлов TFRecord, разделите набор данных перед преобразованием в входные образцы. Это предотвращает чтение всех файлов на каждом рабочем процессе. Ниже приведен пример эффективной стратегии разделения в полном конвейере:
d = Dataset.list_files(pattern, shuffle=False)
d = d.shard(num_workers, worker_index)
d = d.repeat(num_epochs)
d = d.shuffle(shuffle_buffer_size)
d = d.interleave(tf.data.TFRecordDataset,
cycle_length=num_readers, block_length=1)
d = d.map(parser_fn, num_parallel_calls=num_map_threads)
| Args | |
|---|---|
num_shards | Скалярное тензорное значение типа tf.int64, представляющее количество фрагментов, работающих параллельно. |
index | Скалярное тензорное значение типа tf.int64, представляющее индекс рабочего процесса. |
name | (Необязательно.) Имя операции tf.data. |
| Returns | |
|---|---|
Новый Dataset с применённым преобразованием, как описано выше. |
| Raises | |
|---|---|
InvalidArgumentError | Если num_shards или index имеют недопустимые значения. Примечание: проверка ошибок выполняется с наилучшим результатом, и ошибки не гарантированно будут пойманы при создании набора данных. (например, предоставление тензора-заполнителя обходит раннюю проверку, и вместо этого приведёт к ошибке во время вызова session.run.) |
shuffle
shuffle(
buffer_size, seed=None, reshuffle_each_iteration=None, name=None
) -> 'DatasetV2'
Случайным образом перемешивает элементы этого набора данных.
Этот набор данных заполняет буфер buffer_size элементами, а затем случайным образом выбирает элементы из этого буфера, заменяя выбранные элементы новыми элементами. Для идеального перемешивания требуется размер буфера, больше или равный полному размеру набора данных.
Например, если ваш набор данных содержит 10 000 элементов, но buffer_size задано равным 1 000, тогда shuffle изначально выберет случайный элемент только из первых 1 000 элементов в буфере. После выбора элемента его место в буфере заменяется следующим (т. е. 1 001-м) элементом, сохраняя буфер объёмом в 1 000 элементов.
reshuffle_each_iteration определяет, должен ли порядок перемешивания отличаться для каждой эпохи. В TF 1.X стандартным способом создания эпох было преобразование repeat:
dataset = tf.data.Dataset.range(3) dataset = dataset.shuffle(3, reshuffle_each_iteration=True) dataset = dataset.repeat(2) # [1, 0, 2, 1, 2, 0] dataset = tf.data.Dataset.range(3) dataset = dataset.shuffle(3, reshuffle_each_iteration=False) dataset = dataset.repeat(2) # [1, 0, 2, 1, 0, 2]
В TF 2.0 объекты tf.data.Dataset являются итерируемыми объектами Python, что позволяет создавать эпохи также с помощью цикла 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 полностью перемешать весь набор данных, установите значение buffer_size=dataset.cardinality(). Это эквивалентно установке buffer_size, равному количеству элементов в наборе данных, что обеспечивает равномерное перемешивание.
Примечание: shuffle(dataset.cardinality()) загружает весь набор данных в память, чтобы его можно было перемешать. Это приведёт к ошибке переполнения памяти (OOM), если набор данных слишком большой, поэтому полное перемешивание следует использовать только для наборов данных, которые помещаются в оперативную память, например, для наборов данных имён файлов или других небольших наборов данных.
dataset = tf.data.Dataset.range(20) dataset = dataset.shuffle(dataset.cardinality()) # [18, 4, 9, 2, 17, 8, 5, 10, 0, 6, 16, 3, 19, 7, 14, 11, 15, 13, 12, 1]
| Args | |
|---|---|
buffer_size | Скалярное тензорное значение типа tf.int64, представляющее количество элементов из этого набора данных, из которых новый набор данных будет выбирать образцы. Чтобы равномерно перемешать весь набор данных, используйте buffer_size=dataset.cardinality(). |
seed | (Необязательно.) Скалярное тензорное значение типа tf.int64, представляющее случайное семя, которое будет использоваться для создания распределения. См. tf.random.set_seed для поведения. |
reshuffle_each_iteration | (Необязательно.) Булево значение, которое, если истинно, указывает, что набор данных должен быть псевдослучайным образом перемешиваться каждый раз при итерации по нему. (По умолчанию равно True.) |
name | (Необязательно.) Имя операции tf.data. |
| Returns | |
|---|---|
Новый Dataset с применённым преобразованием, как описано выше. |
skip
skip(
count, name=None
) -> 'DatasetV2'
Создаёт Dataset, пропускающий count элементов из этого набора данных.
dataset = tf.data.Dataset.range(10) dataset = dataset.skip(7) list(dataset.as_numpy_iterator()) [7, 8, 9]
| Args | |
|---|---|
count | Скалярное тензорное значение типа tf.int64, представляющее количество элементов из этого набора данных, которые следует пропустить, чтобы сформировать новый набор данных. Если count больше размера этого набора данных, новый набор данных не будет содержать элементов. Если count равно -1, пропускается весь набор данных. |
name | (Необязательно.) Имя операции tf.data. |
| Returns | |
|---|---|
Новый Dataset с применённым преобразованием, как описано выше. |
snapshot
snapshot(
path,
compression='AUTO',
reader_func=None,
shard_func=None,
name=None
) -> 'DatasetV2'
API для сохранения вывода набора данных.
API snapshot позволяет пользователям прозрачно сохранять вывод своего конвейера предобработки на диск и материализовать предобработанные данные в другом запуске обучения.
Этот API позволяет объединить повторяющиеся этапы предобработки и повторно использовать уже обработанные данные, жертвуя хранилищем на диске и пропускной способностью сети для высвобождения ценных ресурсов процессора и вычислительного времени ускорителей.
https://github.com/tensorflow/community/blob/master/rfcs/20200107-tf-data-snapshot.md содержит подробную документацию по проектированию этой функции.
Пользователи могут указать различные параметры для управления поведением snapshot, включая то, как извлекать и записывать snapshots, передав пользовательские функции в параметры reader_func и shard_func.
shard_func — это определяемая пользователем функция, которая отображает элементы входного набора данных на фрагменты снимка.
Пользователи могут захотеть указать эту функцию, чтобы контролировать, как файлы снимка должны записываться на диск. Ниже приведен пример того, как можно написать потенциальную shard_func.
dataset = ...
dataset = dataset.enumerate()
dataset = dataset.snapshot("/path/to/snapshot/dir",
shard_func=lambda x, y: x % NUM_SHARDS, ...)
dataset = dataset.map(lambda x, y: y)
reader_func — это определяемая пользователем функция, которая принимает один аргумент: (1) набор данных наборов данных, каждый из которых представляет «раздел» элементов исходного набора данных. Мощность входного набора данных соответствует количеству фрагментов, указанных в shard_func (см. выше). Функция должна возвращать набор данных элементов исходного набора данных.
Пользователи могут захотеть указать эту функцию, чтобы контролировать, как файлы снимков должны считываться с диска, включая количество перемешивания и параллелизма.
Вот пример стандартной читающей функции, которую может определить пользователь. Эта функция позволяет перемешивать наборы данных и параллельно читать наборы данных:
def user_reader_func(datasets):
# shuffle the datasets splits
datasets = datasets.shuffle(NUM_CORES)
# read datasets in parallel and interleave their elements
return datasets.interleave(lambda x: x, num_parallel_calls=AUTOTUNE)
dataset = dataset.snapshot("/path/to/snapshot/dir",
reader_func=user_reader_func)
По умолчанию snapshot параллелизует чтение, используя количество ядер, доступных в системе, но не будет пытаться перемешать данные.
| Аргументы | |
|---|---|
path | Обязательный. Каталог для сохранения/загрузки моментального снимка. |
compression | Необязательный. Тип сжатия, применяемого к моментальному снимку, записываемому на диск. Доступные варианты: GZIP, SNAPPY, AUTO или None. По умолчанию используется AUTO, который пытается выбрать подходящий алгоритм сжатия для набора данных. |
reader_func | Необязательный. Функция для управления чтением данных из фрагментов моментального снимка. |
shard_func | Необязательный. Функция для управления фрагментацией данных при записи моментального снимка. |
name | (Необязательно.) Имя для операции tf.data. |
| Возвращаемое значение | |
|---|---|
Новый Dataset с применённой, как описано выше, трансформацией. |
sparse_batch
sparse_batch(
batch_size, row_shape, name=None
) -> 'DatasetV2'
Объединяет последовательные элементы в tf.sparse.SparseTensor.
Как и Dataset.padded_batch(), эта трансформация объединяет несколько последовательных элементов набора данных, которые могут иметь различные формы, в один элемент. Результирующий элемент имеет три компонента (indices, values и dense_shape), которые составляют tf.sparse.SparseTensor, представляющий те же данные. row_shape представляет плотную форму каждой строки в результирующем tf.sparse.SparseTensor, к которой добавляется эффективный размер пакета. Например:
# NOTE: The following examples use `{ ... }` to represent the
# contents of a dataset.
a = { ['a', 'b', 'c'], ['a', 'b'], ['a', 'b', 'c', 'd'] }
a.apply(tf.data.experimental.dense_to_sparse_batch(
batch_size=2, row_shape=[6])) ==
{
([[0, 0], [0, 1], [0, 2], [1, 0], [1, 1]], # indices
['a', 'b', 'c', 'a', 'b'], # values
[2, 6]), # dense_shape
([[0, 0], [0, 1], [0, 2], [0, 3]],
['a', 'b', 'c', 'd'],
[1, 6])
}
| Аргументы | |
|---|---|
batch_size | Скалярный tf.int64 tf.Tensor, представляющий количество последовательных элементов этого набора данных для объединения в один пакет. |
row_shape | Объект tf.TensorShape или вектор tf.int64 тензорного типа, представляющий эквивалентную плотную форму строки в результирующем tf.sparse.SparseTensor. Каждый элемент этого набора данных должен иметь такой же ранг, как и row_shape, и должен иметь размер, меньший или равный row_shape в каждом измерении. |
name | (Необязательно.) Строка, обозначающая имя операции tf.data. |
| Возвращаемое значение | |
|---|---|
Новый Dataset с применённой, как описано выше, трансформацией. |
take
take(
count, name=None
) -> 'DatasetV2'
Создаёт Dataset с не более чем count элементами из этого набора данных.
dataset = tf.data.Dataset.range(10) dataset = dataset.take(3) list(dataset.as_numpy_iterator()) [0, 1, 2]
| Аргументы | |
|---|---|
count | Скалярный tf.int64 tf.Tensor, представляющий количество элементов из этого набора данных, которые должны быть взяты для создания нового набора данных. Если count равно -1, или если count больше размера этого набора данных, новый набор данных будет содержать все элементы этого набора данных. |
name | (Необязательно.) Имя операции tf.data. |
| Возвращаемое значение | |
|---|---|
Новый Dataset с применённой, как описано выше, трансформацией. |
take_while
take_while(
predicate, name=None
) -> 'DatasetV2'
Трансформация, останавливающая итерацию набора данных на основе predicate.
dataset = tf.data.Dataset.range(10) dataset = dataset.take_while(lambda x: x < 5) list(dataset.as_numpy_iterator()) [0, 1, 2, 3, 4]
| Аргументы | |
|---|---|
predicate | Функция, которая отображает вложенную структуру тензоров (имеющих формы и типы, определённые self.output_shapes и self.output_types) в скалярный tf.bool тензор. |
name | (Необязательно.) Имя операции tf.data. |
| Возвращаемое значение | |
|---|---|
Новый Dataset с применённой, как описано выше, трансформацией. |
unbatch
unbatch(
name=None
) -> 'DatasetV2'
Разделяет элементы набора данных на несколько элементов.
Например, если элементы набора данных имеют форму [B, a0, a1, ...], где B может отличаться для каждого входного элемента, то для каждого элемента в наборе данных, набор данных без группировки будет содержать B последовательных элементов формы [a0, a1, ...].
elements = [ [1, 2, 3], [1, 2], [1, 2, 3, 4] ] dataset = tf.data.Dataset.from_generator(lambda: elements, tf.int64) dataset = dataset.unbatch() list(dataset.as_numpy_iterator()) [1, 2, 3, 1, 2, 1, 2, 3, 4]
Примечание:unbatchтребует копирования данных для разделения сгруппированного тензора на меньшие, несгруппированные тензоры. При оптимизации производительности старайтесь избегать ненужного использованияunbatch.
| Аргументы | |
|---|---|
name | (Необязательно.) Имя операции tf.data. |
| Возвращаемое значение | |
|---|---|
Новый Dataset с применённой, как описано выше, трансформацией. |
unique
unique(
name=None
) -> 'DatasetV2'
Трансформация, отбрасывающая дубликаты элементов набора данных Dataset.
Используйте эту трансформацию для создания набора данных, содержащего один экземпляр каждого уникального элемента входного набора данных. Например:
dataset = tf.data.Dataset.from_tensor_slices([1, 37, 2, 37, 2, 1]) dataset = dataset.unique() sorted(list(dataset.as_numpy_iterator())) [1, 2, 37]
Примечание: Эта трансформация поддерживает только наборы данных, которые помещаются в память, и имеют элементы типаtf.int32,tf.int64илиtf.string.
| Аргументы | |
|---|---|
name | (Необязательно.) Имя операции tf.data. |
| Возвращаемое значение | |
|---|---|
Новый Dataset с применённой, как описано выше, трансформацией. |
window
window(
size, shift=None, stride=1, drop_remainder=False, name=None
) -> 'DatasetV2'
Возвращает набор данных «окон».
Каждое «окно» — это набор данных, который содержит подмножество элементов входного набора данных. Это конечные наборы данных размером size (или, возможно, меньше, если нет достаточного количества входных элементов для заполнения окна и drop_remainder оценивается как False).
Например:
dataset = tf.data.Dataset.range(7).window(3) for window in dataset: print(window) <...Dataset element_spec=TensorSpec(shape=(), dtype=tf.int64, name=None)> <...Dataset element_spec=TensorSpec(shape=(), dtype=tf.int64, name=None)> <...Dataset element_spec=TensorSpec(shape=(), dtype=tf.int64, name=None)>
Так как окна являются наборами данных, они могут быть перебираемы:
for window in dataset: print(list(window.as_numpy_iterator())) [0, 1, 2] [3, 4, 5] [6]
Сдвиг
Аргумент shift определяет количество входных элементов, которые нужно сдвинуть между началом каждого окна. Если окна и элементы пронумерованы, начиная с 0, первый элемент в окне k будет элементом k * shift входного набора данных. В частности, первый элемент первого окна всегда будет первым элементом входного набора данных.
dataset = tf.data.Dataset.range(7).window(3, shift=1,
drop_remainder=True)
for window in dataset:
print(list(window.as_numpy_iterator()))
[0, 1, 2]
[1, 2, 3]
[2, 3, 4]
[3, 4, 5]
[4, 5, 6]Шаг
Аргумент stride определяет шаг между входными элементами 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 трансформация window применяется к набору данных, элементы которого являются вложенными структурами, она создаёт набор данных, где элементы имеют ту же вложенную структуру, но каждый лист заменён окном. Другими словами, вложенность применяется вне окон, а не внутри них.
Тип подписи:
def window(
self: Dataset[Nest[T]], ...
) -> Dataset[Nest[Dataset[T]]]
Применение window к Dataset кортежей даёт кортеж окон:
dataset = tf.data.Dataset.from_tensor_slices(([1, 2, 3, 4, 5],
[6, 7, 8, 9, 10]))
dataset = dataset.window(2)
windows = next(iter(dataset))
windows
(<...Dataset element_spec=TensorSpec(shape=(), dtype=tf.int32, name=None)>,
<...Dataset element_spec=TensorSpec(shape=(), dtype=tf.int32, name=None)>)def to_numpy(ds): return list(ds.as_numpy_iterator()) for windows in dataset: print(to_numpy(windows[0]), to_numpy(windows[1])) [1, 2] [6, 7] [3, 4] [8, 9] [5] [10]
Применение window к набору Dataset словарей даёт словарь Datasets:
dataset = tf.data.Dataset.from_tensor_slices({'a': [1, 2, 3],
'b': [4, 5, 6],
'c': [7, 8, 9]})
dataset = dataset.window(2)
def to_numpy(ds):
return list(ds.as_numpy_iterator())
for windows in dataset:
print(tf.nest.map_structure(to_numpy, windows))
{'a': [1, 2], 'b': [4, 5], 'c': [7, 8]}
{'a': [3], 'b': [6], 'c': [9]}Разворачивание набора данных окон
Методы Dataset.flat_map и Dataset.interleave могут быть использованы для разворачивания набора данных окон в один набор данных.
Аргумент для flat_map — функция, которая принимает элемент из набора данных и возвращает Dataset. flat_map последовательно связывает полученные наборы данных.
Например, для преобразования каждого окна в плотный тензор:
dataset = tf.data.Dataset.range(7).window(3, shift=1,
drop_remainder=True)
batched = dataset.flat_map(lambda x:x.batch(3))
for batch in batched:
print(batch.numpy())
[0 1 2]
[1 2 3]
[2 3 4]
[3 4 5]
[4 5 6]| Аргументы | |
|---|---|
size | Скалярное значение tf.int64 tf.Tensor, представляющее количество элементов входного набора данных для объединения в окно. Должно быть положительным. |
shift | (Необязательно.) Скалярное значение tf.int64 tf.Tensor, представляющее количество входных элементов, на которое окно смещается на каждой итерации. По умолчанию size. Должно быть положительным. |
stride | (Необязательно.) Скалярное значение tf.int64 tf.Tensor, представляющее шаг входных элементов в скользящем окне. Значение по умолчанию 1 означает "сохранить каждый входной элемент". |
drop_remainder | (Необязательно.) Скалярное значение tf.bool tf.Tensor, представляющее, нужно ли опускать последние окна, если их размер меньше size. |
name | (Необязательно.) Имя операции tf.data. |
| Возвращает | |
|---|---|
Новый Dataset с применённой выше трансформацией. |
with_options
with_options(
options, name=None
) -> 'DatasetV2'
Возвращает новый tf.data.Dataset с заданными параметрами.
Параметры «глобальные» в том смысле, что они применяются ко всему набору данных. Если параметры заданы несколько раз, они объединяются, если разные параметры не используют разные значения, отличные от по умолчанию.
ds = tf.data.Dataset.range(5)
ds = ds.interleave(lambda x: tf.data.Dataset.range(5),
cycle_length=3,
num_parallel_calls=3)
options = tf.data.Options()
# This will make the interleave order non-deterministic.
options.deterministic = False
ds = ds.with_options(options)| Аргументы | |
|---|---|
options | tf.data.Options, определяющий используемые параметры. |
name | (Необязательно.) Имя операции tf.data. |
| Возвращает | |
|---|---|
Новый Dataset с применённой выше трансформацией. |
| Возможные исключения | |
|---|---|
ValueError | при установке параметра более одного раза с отличным от значения по умолчанию значением |
zip
@staticmethod
zip(
*args, datasets=None, name=None
) -> 'DatasetV2'
Создаёт Dataset, объединяя заданные наборы данных.
Этот метод имеет схожую семантику со встроенной функцией zip() в Python, с основным отличием, заключающимся в том, что аргумент datasets может быть (вложенной) структурой объектов Dataset. Поддерживаемые механизмы вложенности описаны здесь.
# The datasets or nested structure of datasets `*args` argument
# determines the structure of elements in the resulting dataset.
a = tf.data.Dataset.range(1, 4) # ==> [ 1, 2, 3 ]
b = tf.data.Dataset.range(4, 7) # ==> [ 4, 5, 6 ]
ds = tf.data.Dataset.zip(a, b)
list(ds.as_numpy_iterator())
[(1, 4), (2, 5), (3, 6)]
ds = tf.data.Dataset.zip(b, a)
list(ds.as_numpy_iterator())
[(4, 1), (5, 2), (6, 3)]
# The `datasets` argument may contain an arbitrary number of datasets.
c = tf.data.Dataset.range(7, 13).batch(2) # ==> [ [7, 8],
# [9, 10],
# [11, 12] ]
ds = tf.data.Dataset.zip(a, b, c)
for element in ds.as_numpy_iterator():
print(element)
(1, 4, array([7, 8]))
(2, 5, array([ 9, 10]))
(3, 6, array([11, 12]))
# The number of elements in the resulting dataset is the same as
# the size of the smallest dataset in `datasets`.
d = tf.data.Dataset.range(13, 15) # ==> [ 13, 14 ]
ds = tf.data.Dataset.zip(a, d)
list(ds.as_numpy_iterator())
[(1, 13), (2, 14)]| Аргументы | |
|---|---|
*args | Наборы данных или вложенные структуры наборов данных для объединения. Не может быть установлено, если datasets установлено. |
datasets | (Вложенная) структура наборов данных. Не может быть установлено, если *args установлено. Обратите внимание, что это существует только для обратной совместимости, и предпочтительнее использовать *args. |
name | (Необязательно.) Имя операции tf.data. |
| Возвращает | |
|---|---|
Новый Dataset с применённой выше трансформацией. |
__bool__
__bool__()
__iter__
Создаёт итератор для элементов этого набора данных.
Возвращаемый итератор реализует протокол Python Iterator.
| Возвращает | |
|---|---|
tf.data.Iterator для элементов этого набора данных. |
| Возможные исключения | |
|---|---|
RuntimeError | Если не внутри tf.function и не выполняется жадно. |
__len__
__len__()
Возвращает длину набора данных, если она известна и конечна.
Этот метод требует, чтобы вы работали в режиме жадной оценки, и что длина набора данных известна и не бесконечна. Когда длина может быть неизвестной или бесконечной, или если вы работаете в режиме графа, используйте tf.data.Dataset.cardinality вместо этого.
| Возвращает | |
|---|---|
| Целое число, представляющее длину набора данных. |
| Возможные исключения | |
|---|---|
RuntimeError | Если длина набора данных неизвестна или бесконечна, или если жадная оценка не включена. |
__nonzero__
__nonzero__()
© 2022 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 4.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/api_docs/python/tf/compat/v1/data/TFRecordDataset