tf.data.experimental.sample_from_datasets

Случайно выбирает элементы из наборов данных в datasets. (устаревшее)

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

Создаёт набор данных путём чередования элементов из datasets с вероятностью weight[i] выбора элемента из набора данных i. Выборка производится 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 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 — такой список. По умолчанию используется равномерное распределение по `datasets`.
`seed`	(Необязательно.) Скалярный `tf.int64` `tf.Tensor`, представляющий случайное семя, которое будет использовано для создания распределения. См. `tf.random.set_seed` для поведения.
`stop_on_empty_dataset`	Если `True`, выборка останавливается, если она встречает пустой набор данных. Если `False`, она пропускает пустые наборы данных. Рекомендуется установить значение в `True`. В противном случае распределение выборок первоначально соответствует намерениям пользователя, но может измениться по мере того, как входные наборы данных становятся пустыми. Это может быть трудно обнаружить, так как набор данных первоначально выглядит правильно. По умолчанию установлено в `False` для обеспечения обратной совместимости.

Возвращаемое значение
Набор данных, чередующий элементы из `datasets` случайным образом, в соответствии с `weights`, если оно указано, в противном случае — с равномерной вероятностью.

Исключения
`TypeError`	Если аргументы `datasets` или `weights` имеют неправильный тип.
`ValueError`	Если `datasets` пустой, или Если `weights` указано и не соответствует длине `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