tf.compat.v1.ReaderBase

Базовый класс для разных типов Reader, производящих запись на каждом шаге.

tf.compat.v1.ReaderBase(
    reader_ref, supports_serialize=False
)

В концептуальном плане Reader преобразуют строковые «рабочие единицы» в записи (пары ключ-значение). Обычно «рабочие единицы» — это имена файлов, а записи извлекаются из содержимого этих файлов. Мы хотим получать по одной записи на шаг, но одна рабочая единица может соответствовать многим записям.

Поэтому мы вводим некоторую декомпозицию с помощью очереди. Очередь содержит рабочие единицы, а Reader извлекает из очереди, когда требуется произвести запись (через Read()), но он закончил последнюю рабочую единицу.

Аргументы
`reader_ref`	Операция, реализующая reader.
`supports_serialize`	True, если реализация reader может сериализовать свое состояние.

Исключения
`RuntimeError`	Если включена жадная обработка.

Атрибуты
`reader_ref`	Операция, реализующая reader.
`supports_serialize`	Возможно ли сериализовать состояние Reader.

Методы

`num_records_produced`

Посмотреть исходный код

num_records_produced(
    name=None
)

Возвращает количество записей, произведённых этим reader.

Это то же самое, что и количество успешных вызовов Read.

Аргументы
`name`	Имя операции (необязательно).

Возвращаемые значения
Тензор int64.

`num_work_units_completed`

Посмотреть исходный код

num_work_units_completed(
    name=None
)

Возвращает количество обработанных завершённых рабочих единиц этим reader.

Аргументы
`name`	Имя операции (необязательно).

Возвращаемые значения
Тензор int64.

`read`

Посмотреть исходный код

read(
    queue, name=None
)

Возвращает следующую пару записей (ключ, значение), произведённую reader.

При необходимости извлекает рабочую единицу из очереди (например, когда Reader должен начать чтение из нового файла, так как он закончил чтение предыдущего файла).

Аргументы
`queue`	Очередь или изменяемый строковый тензор, представляющий дескриптор очереди со строковыми рабочими элементами.
`name`	Имя операции (необязательно).

Возвращаемые значения
Кортеж тензоров (ключ, значение).
`key`	Строковый скалярный тензор.
`value`	Строковый скалярный тензор.

`read_up_to`

Посмотреть исходный код

read_up_to(
    queue, num_records, name=None
)

Возвращает до num_records пар записей (ключ, значение), произведённых reader.

При необходимости извлекает рабочую единицу из очереди (например, когда Reader должен начать чтение из нового файла, так как он закончил чтение предыдущего файла). Возвращает меньше num_records, даже если последняя партия ещё не завершена.

Аргументы
`queue`	Очередь или изменяемый строковый тензор, представляющий дескриптор очереди со строковыми рабочими элементами.
`num_records`	Количество записей для чтения.
`name`	Имя операции (необязательно).

Возвращаемые значения
Кортеж тензоров (ключи, значения).
`keys`	Строковый тензор 1-D.
`values`	Строковый тензор 1-D.

`reset`

Посмотреть исходный код

reset(
    name=None
)

Восстанавливает состояние reader в его начальное чистое состояние.

Аргументы
`name`	Имя операции (необязательно).

Возвращаемые значения
Созданная операция.

`restore_state`

Посмотреть исходный код

restore_state(
    state, name=None
)

Восстанавливает состояние reader из ранее сохранённого состояния.

Не все Reader поддерживают восстановление, поэтому это может привести к ошибке Unimplemented.

Аргументы
`state`	Строковый тензор. Результат SerializeState Reader с соответствующим типом.
`name`	Имя операции (необязательно).

Возвращаемые значения
Созданная операция.

`serialize_state`

Посмотреть исходный код

serialize_state(
    name=None
)

Создаёт строковый тензор, кодирующий состояние reader.

Не все Reader поддерживают сериализацию, поэтому это может привести к ошибке Unimplemented.

Аргументы
`name`	Имя операции (необязательно).

Возвращаемые значения
Строковый тензор.

совместимость с жадной обработкой

Reader не совместимы с жадной обработкой. Используйте, пожалуйста, tf.data, чтобы получить данные в вашу модель.

© 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/ReaderBase