tf.data.experimental.sample_from_datasets

Случайным образом выбирает элементы из наборов данных в datasets. (устарела)

tf.data.experimental.sample_from_datasets(
    datasets, weights=None, seed=None, stop_on_empty_dataset=False
)

Создает набор данных, чередуя элементы из datasets с вероятностью weight[i] выбрать элемент из набора данных i. Выборка выполняется без возвращения. Например, предположим, что у нас есть 2 набора данных:

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

Предположим также, что мы выбираем элементы из этих 2 наборов данных со следующими весами:

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

Один из возможных вариантов элементов в sample_dataset:

print(list(sample_dataset.as_numpy_iterator()))
# [100, 0, 1, 101, 2, 102]

Аргументы
`datasets`	Непустой список объектов `tf.data.Dataset` с совместимой структурой.
`weights`	(Необязательно.) Список или тензор из `len(datasets)` значений с плавающей запятой, где `weights[i]` представляет вероятность выбора элементов из `datasets[i]`, либо объект `tf.data.Dataset`, каждый элемент которого представляет собой такой список. По умолчанию используется равномерное распределение по `datasets`.
`seed`	(Необязательно.) Скалярный объект `tf.Tensor` типа `tf.int64`, представляющий случайное начальное значение, которое будет использоваться для создания распределения. Описание поведения см. в разделе `tf.random.set_seed`.
`stop_on_empty_dataset`	Если значение равно `True`, выборка прекращается при обнаружении пустого набора данных. Если значение равно `False`, пустые наборы данных пропускаются. Рекомендуется установить значение `True`. В противном случае распределение выборок сначала будет соответствовать заданному пользователем, но может измениться, когда входные наборы данных опустеют. Это бывает трудно обнаружить, поскольку изначально набор данных выглядит корректно. Для обратной совместимости по умолчанию используется `False`.

Возвращаемое значение
Набор данных, случайным образом чередующий элементы из `datasets` в соответствии с `weights`, если он задан; в противном случае используется равномерная вероятность.

Исключения
`TypeError`	Если аргументы `datasets` или `weights` имеют неверный тип.
`ValueError`	Если `datasets` пуст, или Если задан `weights`, но его длина не совпадает с длиной `datasets`.

© 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/sample_from_datasets