tf.data.experimental.parallel_interleave

Параллельная версия преобразования Dataset.interleave(). (устарело)

Просмотр псевдонимов

Псевдонимы для миграции

См. Руководство по миграции для получения дополнительной информации.

tf.compat.v1.data.experimental.parallel_interleave

tf.data.experimental.parallel_interleave(
    map_func,
    cycle_length,
    block_length=1,
    sloppy=False,
    buffer_output_elements=None,
    prefetch_input_elements=None
)

parallel_interleave() отображает map_func по своему входу, создавая вложенные наборы данных и возвращая их переплетенные элементы. В отличие от tf.data.Dataset.interleave, она получает элементы из cycle_length вложенных наборов данных параллельно, что увеличивает производительность, особенно при наличии медленных узлов. Кроме того, аргумент sloppy может использоваться для повышения производительности, ослабляя требование о том, что выходные данные должны генерироваться в детерминированном порядке, и позволяя реализации пропускать вложенные наборы данных, элементы которых недоступны при запросе.

Пример использования:

# Preprocess 4 files concurrently.
filenames = tf.data.Dataset.list_files("/path/to/data/train*.tfrecords")
dataset = filenames.apply(
    tf.data.experimental.parallel_interleave(
        lambda filename: tf.data.TFRecordDataset(filename),
        cycle_length=4))

Аргументы
`map_func`	Функция, отображающая вложенную структуру тензоров в `Dataset`.
`cycle_length`	Количество входных `Dataset`, которые необходимо переплетать параллельно.
`block_length`	Количество последовательных элементов, которые необходимо извлечь из входного `Dataset` перед переходом к следующему входному `Dataset`.
`sloppy`	Логическое значение, определяющее, следует ли пожертвовать детерминизмом ради производительности, разрешив производство элементов вне порядка. Если `sloppy` равно `None`, используется параметр набора данных `tf.data.Options.deterministic` (`True` по умолчанию) для определения, следует ли применять детерминированный порядок.
`buffer_output_elements`	Количество элементов, которые должен буферизовать каждый итератор, переплетаемый (аналогично преобразованию `.prefetch()` для каждого переплетенного итератора).
`prefetch_input_elements`	Количество входных элементов, которые нужно преобразовать в итераторы, прежде чем они понадобятся для переплетения.

Возвращаемое значение
Функция преобразования `Dataset`, которую можно передать в `tf.data.Dataset.apply`.

© 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/data/experimental/parallel_interleave