tf.data.experimental.save

Сохраняет содержимое заданного набора данных. (устарело)

tf.data.experimental.save(
    dataset, path, compression=None, shard_func=None, checkpoint_args=None
)

Пример использования:

import tempfile
path = os.path.join(tempfile.gettempdir(), "saved_data")
# Save a dataset
dataset = tf.data.Dataset.range(2)
tf.data.experimental.save(dataset, path)
new_dataset = tf.data.experimental.load(path)
for elem in new_dataset:
  print(elem)
tf.Tensor(0, shape=(), dtype=int64)
tf.Tensor(1, shape=(), dtype=int64)

Сохранённый набор данных сохраняется в нескольких файлах «фрагментах». По умолчанию вывод набора данных делится на фрагменты в порядке круговой очереди, но пользовательское фрагментирование можно указать с помощью функции shard_func. Например, вы можете сохранить набор данных с использованием одного фрагмента следующим образом:

dataset = make_dataset()
def custom_shard_func(element):
  return np.int64(0)
dataset = tf.data.experimental.save(
    path="/path/to/data", ..., shard_func=custom_shard_func)

Для включения 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 каталога и формат файлов, используемые для сохранения набора данных, считаются деталями реализации и могут меняться. По этой причине наборы данных, сохранённые с помощью tf.data.experimental.save, следует использовать только через tf.data.experimental.load, который гарантирует обратную совместимость.

Аргументы
`dataset`	Сохраняемый набор данных.
`path`	Обязательный. Каталог для сохранения набора данных.
`compression`	Необязательно. Алгоритм для сжатия данных при записи. Поддерживаемые варианты — `GZIP` и `NONE`. По умолчанию — `NONE`.
`shard_func`	Необязательно. Функция для управления сопоставлением элементов набора данных с фрагментами файлов. Функция должна сопоставлять элементы входного набора данных с целочисленными идентификаторами фрагментов. Если присутствует, эта функция будет отслеживаться и выполняться как вычисление графа.
`checkpoint_args`	Необязательные аргументы для контрольных точек, которые будут переданы в `tf.train.CheckpointManager`. Если `checkpoint_args` не указаны, то выполнение контрольных точек не будет выполнено. Реализация `save()` создаёт объект `tf.train.Checkpoint` внутри себя, поэтому пользователи не должны устанавливать аргумент `checkpoint` в `checkpoint_args`.

Возвращаемое значение
Операция, которая при выполнении выполняет сохранение. При записи контрольных точек возвращает None. Возвращаемое значение полезно при тестировании.

Исключения
ValueError, если `checkpoint` передаётся в `checkpoint_args`.

© 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/save