tf.data.TFRecordDataset
Класс, содержащий записи из одного или нескольких файлов TFRecord.
Наследуется от: Dataset
tf.data.TFRecordDataset(
filenames,
compression_type=None,
buffer_size=None,
num_parallel_reads=None,
name=None
)
Используется в блокнотах
| Используется в руководстве | Используется в учебниках |
|---|---|
Этот набор данных загружает TFRecords из файлов в виде байтов, точно так, как они были записаны.TFRecordDataset не выполняет никаких операций парсинга или декодирования самостоятельно. Парсинг и декодирование можно выполнить, применив преобразования Dataset.map после TFRecordDataset.
Ниже приведен минимальный пример:
import tempfile example_path = os.path.join(tempfile.gettempdir(), "example.tfrecords") np.random.seed(0)
# Write the records to a file.
with tf.io.TFRecordWriter(example_path) as file_writer:
for _ in range(4):
x, y = np.random.random(), np.random.random()
record_bytes = tf.train.Example(features=tf.train.Features(feature={
"x": tf.train.Feature(float_list=tf.train.FloatList(value=[x])),
"y": tf.train.Feature(float_list=tf.train.FloatList(value=[y])),
})).SerializeToString()
file_writer.write(record_bytes)# Read the data back out.
def decode_fn(record_bytes):
return tf.io.parse_single_example(
# Data
record_bytes,
# Schema
{"x": tf.io.FixedLenFeature([], dtype=tf.float32),
"y": tf.io.FixedLenFeature([], dtype=tf.float32)}
)for batch in tf.data.TFRecordDataset([example_path]).map(decode_fn):
print("x = {x:.4f}, y = {y:.4f}".format(**batch))
x = 0.5488, y = 0.7152
x = 0.6028, y = 0.5449
x = 0.4237, y = 0.6459
x = 0.4376, y = 0.8918| Аргументы | |
|---|---|
filenames | Тензор tf.string или tf.data.Dataset, содержащий один или несколько файлов. |
compression_type | (Необязательно.) Скаляр tf.string, вычисляющий одно из значений "" (без сжатия), "ZLIB" или "GZIP". |
buffer_size | (Необязательно.) Скаляр tf.int64, представляющий количество байтов в буфере чтения. Если ваша цепочка обработки данных ограничена ввода-выводом, рассмотрите возможность установки этого параметра в значение 1-100 МБ. Если None, используется разумное значение по умолчанию для локальных и удалённых файловых систем. |
num_parallel_reads | (Необязательно.) Скаляр tf.int64, представляющий количество файлов для параллельного чтения. Если значение больше единицы, записи из прочитанных файлов выводятся в перекрёстном порядке. Если ваша цепочка обработки данных ограничена ввода-выводом, рассмотрите возможность установки этого параметра в значение больше единицы для распараллеливания операций ввода-вывода. Если None, файлы будут читаться последовательно. |
name | (Необязательно.) Имя операции tf.data. |
| Исключения | |
|---|---|
TypeError | Если какой-либо аргумент не имеет ожидаемого типа. |
ValueError | Если какой-либо аргумент не имеет ожидаемой формы. |
| Атрибуты | |
|---|---|
element_spec | Спецификация типа элемента в этом наборе данных.
dataset = tf.data.Dataset.from_tensor_slices([1, 2, 3]) dataset.element_spec TensorSpec(shape=(), dtype=tf.int32, name=None) Дополнительную информацию можно найти в этом руководстве. |
Методы
apply
apply(
transformation_func
) -> 'DatasetV2'
Применяет функцию преобразования к этому набору данных.
apply позволяет объединять пользовательские Dataset преобразования, которые представляют собой функции, принимающие один Dataset аргумент и возвращающие преобразованный Dataset.
dataset = tf.data.Dataset.range(100) def dataset_fn(ds): return ds.filter(lambda x: x < 5) dataset = dataset.apply(dataset_fn) list(dataset.as_numpy_iterator()) [0, 1, 2, 3, 4]
| Аргументы | |
|---|---|
transformation_func | Функция, принимающая один Dataset аргумент и возвращающая Dataset. |
| Возвращает | |
|---|---|
Новый Dataset с применённым преобразованием, как описано выше. |
as_numpy_iterator
as_numpy_iterator()
Возвращает итератор, преобразующий все элементы набора данных в NumPy.
Используйте as_numpy_iterator для проверки содержимого вашего набора данных. Чтобы увидеть формы и типы элементов, выведите элементы набора данных напрямую вместо использования as_numpy_iterator.
dataset = tf.data.Dataset.from_tensor_slices([1, 2, 3]) for element in dataset: print(element) tf.Tensor(1, shape=(), dtype=int32) tf.Tensor(2, shape=(), dtype=int32) tf.Tensor(3, shape=(), dtype=int32)
Этот метод требует, чтобы вы работали в режиме eager, и элемент набора данных содержал только TensorSpec компоненты.
dataset = tf.data.Dataset.from_tensor_slices([1, 2, 3]) for element in dataset.as_numpy_iterator(): print(element) 1 2 3
dataset = tf.data.Dataset.from_tensor_slices([1, 2, 3]) print(list(dataset.as_numpy_iterator())) [1, 2, 3]
as_numpy_iterator() сохранит вложенную структуру элементов набора данных.
dataset = tf.data.Dataset.from_tensor_slices({'a': ([1, 2], [3, 4]),
'b': [5, 6]})
list(dataset.as_numpy_iterator()) == [{'a': (1, 3), 'b': 5},
{'a': (2, 4), 'b': 6}]
True| Возвращает | |
|---|---|
| Итерируемый объект по элементам набора данных, с тензорами, преобразованными в массивы NumPy. |
| Исключения | |
|---|---|
TypeError | если элемент содержит не-Tensor значение. |
RuntimeError | если режим eager не включён. |
batch
batch(
batch_size,
drop_remainder=False,
num_parallel_calls=None,
deterministic=None,
name=None
) -> 'DatasetV2'
Объединяет последовательные элементы этого набора данных в пакеты.
dataset = tf.data.Dataset.range(8) dataset = dataset.batch(3) list(dataset.as_numpy_iterator()) [array([0, 1, 2]), array([3, 4, 5]), array([6, 7])]
dataset = tf.data.Dataset.range(8) dataset = dataset.batch(3, drop_remainder=True) list(dataset.as_numpy_iterator()) [array([0, 1, 2]), array([3, 4, 5])]
Компоненты результирующего элемента получат дополнительное внешнее измерение, которое будет batch_size (или N % batch_size для последнего элемента, если batch_size не делит количество входных элементов N нацело и drop_remainder равно False). Если ваш код зависит от того, чтобы пакеты имели одинаковое внешнее измерение, вы должны установить аргумент drop_remainder в True, чтобы предотвратить формирование более маленького пакета.
Примечание: Если ваш код требует данных со статически известной формой (например, при использовании XLA), вы должны использоватьdrop_remainder=True. Безdrop_remainder=Trueформа выходного набора данных будет иметь неизвестное ведущее измерение из-за возможности формирования более маленького конечного пакета.
| Аргументы | |
|---|---|
batch_size | Скалярное значение типа tf.int64 tf.Tensor, представляющее количество последовательных элементов этого набора данных для объединения в одну партию. |
drop_remainder | (Необязательно.) Скалярное значение типа tf.bool tf.Tensor, представляющее, следует ли отбрасывать последнюю партию в случае, если она содержит меньше, чем batch_size элементов; по умолчанию меньшая партия не отбрасывается. |
num_parallel_calls | (Необязательно.) Скалярное значение типа tf.int64 tf.Tensor, представляющее количество партий, которые нужно вычислить асинхронно параллельно. Если не указано, партии будут вычисляться последовательно. Если используется значение tf.data.AUTOTUNE, то количество параллельных вызовов устанавливается динамически на основе доступных ресурсов. |
deterministic | (Необязательно.) Когда задан num_parallel_calls, если указан этот булево параметр (True или False), он управляет порядком, в котором преобразование генерирует элементы. Если установлен в значение False, преобразованию разрешается генерировать элементы вне порядка, чтобы обменять детерминизм на производительность. Если не указано, опция tf.data.Options.deterministic (True по умолчанию) управляет поведением. |
name | (Необязательно.) Имя операции tf.data. |
| Возвращаемое значение | |
|---|---|
Новый Dataset с применённым преобразованием, как описано выше. |
bucket_by_sequence_length
bucket_by_sequence_length(
element_length_func,
bucket_boundaries,
bucket_batch_sizes,
padded_shapes=None,
padding_values=None,
pad_to_bucket_boundary=False,
no_padding=False,
drop_remainder=False,
name=None
) -> 'DatasetV2'
Преобразование, которое группирует элементы в Dataset по длине.
Элементы Dataset группируются по длине, а затем заполняются и объединяются в партии.
Это полезно для задач с последовательностями, в которых элементы имеют переменную длину. Группирование элементов с похожими длинами уменьшает общую долю заполнения в партии, что увеличивает эффективность шага обучения.
Ниже приведен пример разбиения входных данных на 3 корзины "[0, 3), [3, 5), [5, inf)" на основе длины последовательности, с размером партии 2.
elements = [
[0], [1, 2, 3, 4], [5, 6, 7],
[7, 8, 9, 10, 11], [13, 14, 15, 16, 19, 20], [21, 22]]
dataset = tf.data.Dataset.from_generator(
lambda: elements, tf.int64, output_shapes=[None])
dataset = dataset.bucket_by_sequence_length(
element_length_func=lambda elem: tf.shape(elem)[0],
bucket_boundaries=[3, 5],
bucket_batch_sizes=[2, 2, 2])
for elem in dataset.as_numpy_iterator():
print(elem)
[[1 2 3 4]
[5 6 7 0]]
[[ 7 8 9 10 11 0]
[13 14 15 16 19 20]]
[[ 0 0]
[21 22]]| Аргументы | |
|---|---|
element_length_func | Функция, которая принимает элемент из Dataset и возвращает tf.int32, определяющая длину элемента, от которой зависит корзина, в которую он попадает. |
bucket_boundaries | Верхние границы длин корзин. |
bucket_batch_sizes | Размер партии на каждую корзину. Длина должна быть len(bucket_boundaries) + 1. |
padded_shapes | Вложенная структура tf.TensorShape для передачи в tf.data.Dataset.padded_batch. Если не указано, будет использоваться dataset.output_shapes, что приведёт к тому, что переменные размеры будут дополнены до максимальной длины в каждой партии. |
padding_values | Значения для заполнения, передаваемые в tf.data.Dataset.padded_batch. По умолчанию заполнение нулями. |
pad_to_bucket_boundary | Булево значение. Если False, будет заполнены измерения с неизвестным размером до максимальной длины в партии. Если True, будет заполнены измерения с неизвестным размером до границы корзины минус 1 (т.е. максимальная длина в каждой корзине), и вызывающий должен убедиться, что источник Dataset не содержит элементов с длиной, большей, чем max(bucket_boundaries). |
no_padding | Булево значение, указывающее, заполнять ли признаки партии (признаки должны быть типа tf.sparse.SparseTensor или иметь одинаковую форму). |
drop_remainder | (Необязательно.) Скалярное значение типа tf.bool tf.Tensor, представляющее, следует ли отбрасывать последнюю партию в случае, если она содержит меньше, чем batch_size элементов; по умолчанию меньшая партия не отбрасывается. |
name | (Необязательно.) Имя операции tf.data. |
| Возвращаемое значение | |
|---|---|
Новый Dataset с применённым преобразованием, как описано выше. |
| Исключения | |
|---|---|
ValueError | если len(bucket_batch_sizes) != len(bucket_boundaries) + 1. |
cache
cache(
filename='', name=None
) -> 'DatasetV2'
Кэширует элементы в этом наборе данных.
В первый раз при итерировании по набору данных его элементы будут кэшированы либо в указанном файле, либо в оперативной памяти. При последующих итерированиях будут использованы кэшированные данные.
Примечание: Для гарантированного завершения кэша входной набор данных должен быть проитерирован полностью до возникновения StopIteration. В противном случае последующие итерации могут не использовать кэшированные данные.
dataset = tf.data.Dataset.range(5) dataset = dataset.map(lambda x: x**2) dataset = dataset.cache() # The first time reading through the data will generate the data using # `range` and `map`. list(dataset.as_numpy_iterator()) [0, 1, 4, 9, 16] # Subsequent iterations read from the cache. list(dataset.as_numpy_iterator()) [0, 1, 4, 9, 16]
При кэшировании в файле кэшированные данные будут сохраняться между запусками. Даже при первом проходе по данным будут считываться данные из кэша файла. Изменение входной цепочки обработки до вызова .cache() не будет иметь эффекта до удаления файла кэша или изменения имени файла.
dataset = tf.data.Dataset.range(5)
dataset = dataset.cache("/path/to/file")
list(dataset.as_numpy_iterator())
# [0, 1, 2, 3, 4]
dataset = tf.data.Dataset.range(10)
dataset = dataset.cache("/path/to/file") # Same file!
list(dataset.as_numpy_iterator())
# [0, 1, 2, 3, 4]
Примечание:cacheбудет генерировать точно такие же элементы при каждой итерации по набору данных. Если вы хотите случайный порядок итерации, убедитесь, что вы вызываетеshuffle*после* вызоваcache.
| Аргументы | |
|---|---|
filename | Скалярное значение типа tf.string tf.Tensor, представляющее имя каталога в файловой системе, используемого для кэширования элементов в этом наборе данных. Если имя файла не указано, набор данных будет кэширован в оперативной памяти. |
name | (Необязательно.) Имя операции tf.data. |
| Возвращаемое значение | |
|---|---|
Новый Dataset с применённым преобразованием, как описано выше. |
cardinality
cardinality()
Возвращает мощность набора данных, если она известна.
cardinality может вернуть tf.data.INFINITE_CARDINALITY, если набор данных содержит бесконечное количество элементов, или tf.data.UNKNOWN_CARDINALITY, если анализ не смог определить количество элементов в наборе данных (например, когда источником набора данных является файл).
dataset = tf.data.Dataset.range(42) print(dataset.cardinality().numpy()) 42 dataset = dataset.repeat() cardinality = dataset.cardinality() print((cardinality == tf.data.INFINITE_CARDINALITY).numpy()) True dataset = dataset.filter(lambda x: True) cardinality = dataset.cardinality() print((cardinality == tf.data.UNKNOWN_CARDINALITY).numpy()) True
| Возвращаемое значение | |
|---|---|
Скалярное значение типа tf.int64 Tensor, представляющее мощность набора данных. Если мощность бесконечна или неизвестна, cardinality возвращает именованные константы tf.data.INFINITE_CARDINALITY и tf.data.UNKNOWN_CARDINALITY соответственно. |
choose_from_datasets
@staticmethod
choose_from_datasets(
datasets, choice_dataset, stop_on_empty_dataset=True
) -> 'DatasetV2'
Создаёт набор данных, который детерминированно выбирает элементы из datasets.
Например, рассмотрим следующие наборы данных:
datasets = [tf.data.Dataset.from_tensors("foo").repeat(),
tf.data.Dataset.from_tensors("bar").repeat(),
tf.data.Dataset.from_tensors("baz").repeat()]
# Define a dataset containing `[0, 1, 2, 0, 1, 2, 0, 1, 2]`.
choice_dataset = tf.data.Dataset.range(3).repeat(3)
result = tf.data.Dataset.choose_from_datasets(datasets, choice_dataset)
Элементы result будут:
"foo", "bar", "baz", "foo", "bar", "baz", "foo", "bar", "baz"
| Аргументы | |
|---|---|
datasets | Непустой список объектов tf.data.Dataset с совместимой структурой. |
choice_dataset | tf.data.Dataset скалярных тензоров типа tf.int64 между 0 и len(datasets) - 1. |
stop_on_empty_dataset | Если True, выбор останавливается, если встречается пустой набор данных. Если False, пустые наборы данных пропускаются. Рекомендуется установить значение в True. В противном случае, выбранные элементы изначально соответствуют намерениям пользователя, но могут измениться по мере того, как входные наборы данных становятся пустыми. Это может быть сложно обнаружить, так как набор данных выглядит правильно в начале. По умолчанию True. |
| Возвращаемое значение | |
|---|---|
Новый Dataset с применённым преобразованием, как описано выше. |
| Исключения | |
|---|---|
TypeError | Если datasets или choice_dataset имеют неправильный тип. |
ValueError | Если datasets пусто. |
concatenate
concatenate(
dataset, name=None
) -> 'DatasetV2'
Создаёт набор данных Dataset, конкатенируя данный набор данных с этим набором данных.
a = tf.data.Dataset.range(1, 4) # ==> [ 1, 2, 3 ] b = tf.data.Dataset.range(4, 8) # ==> [ 4, 5, 6, 7 ] ds = a.concatenate(b) list(ds.as_numpy_iterator()) [1, 2, 3, 4, 5, 6, 7] # The input dataset and dataset to be concatenated should have # compatible element specs. c = tf.data.Dataset.zip((a, b)) a.concatenate(c) Traceback (most recent call last): TypeError: Two datasets to concatenate have different types <dtype: 'int64'> and (tf.int64, tf.int64) d = tf.data.Dataset.from_tensor_slices(["a", "b", "c"]) a.concatenate(d) Traceback (most recent call last): TypeError: Two datasets to concatenate have different types <dtype: 'int64'> and <dtype: 'string'>
| Аргументы | |
|---|---|
dataset | Набор данных Dataset, который необходимо конкатенировать. |
name | (Необязательно.) Имя операции tf.data. |
| Возвращает | |
|---|---|
Новый набор данных Dataset с применённым преобразованием, как описано выше. |
counter
@staticmethod
counter(
start=0,
step=1,
dtype=tf.dtypes.int64,
name=None
) -> 'DatasetV2'
Создаёт набор данных Dataset, который считает от start с шагом step.
В отличие от tf.data.Dataset.range, который останавливается на определённом конечном числе, tf.data.Dataset.counter генерирует элементы неограниченно.
dataset = tf.data.experimental.Counter().take(5) list(dataset.as_numpy_iterator()) [0, 1, 2, 3, 4] dataset.element_spec TensorSpec(shape=(), dtype=tf.int64, name=None) dataset = tf.data.experimental.Counter(dtype=tf.int32) dataset.element_spec TensorSpec(shape=(), dtype=tf.int32, name=None) dataset = tf.data.experimental.Counter(start=2).take(5) list(dataset.as_numpy_iterator()) [2, 3, 4, 5, 6] dataset = tf.data.experimental.Counter(start=2, step=5).take(5) list(dataset.as_numpy_iterator()) [2, 7, 12, 17, 22] dataset = tf.data.experimental.Counter(start=10, step=-1).take(5) list(dataset.as_numpy_iterator()) [10, 9, 8, 7, 6]
| Аргументы | |
|---|---|
start | (Необязательно.) Начальное значение для счётчика. По умолчанию 0. |
step | (Необязательно.) Шаг для счётчика. По умолчанию 1. |
dtype | (Необязательно.) Тип данных для элементов счётчика. По умолчанию tf.int64. |
name | (Необязательно.) Имя операции tf.data. |
| Возвращает | |
|---|---|
Набор данных Dataset скалярных элементов типа dtype. |
enumerate
enumerate(
start=0, name=None
) -> 'DatasetV2'
Перечисляет элементы этого набора данных.
Аналогично функции enumerate в Python.
dataset = tf.data.Dataset.from_tensor_slices([1, 2, 3]) dataset = dataset.enumerate(start=5) for element in dataset.as_numpy_iterator(): print(element) (5, 1) (6, 2) (7, 3)
# The (nested) structure of the input dataset determines the # structure of elements in the resulting dataset. dataset = tf.data.Dataset.from_tensor_slices([(7, 8), (9, 10)]) dataset = dataset.enumerate() for element in dataset.as_numpy_iterator(): print(element) (0, array([7, 8], dtype=int32)) (1, array([ 9, 10], dtype=int32))
| Аргументы | |
|---|---|
start | Скалярный тензор tf.int64 типа tf.Tensor, представляющий начальное значение для нумерации. |
name | Необязательно. Имя операций tf.data, используемых enumerate. |
| Возвращает | |
|---|---|
Новый набор данных Dataset с применённым преобразованием, как описано выше. |
filter
filter(
predicate, name=None
) -> 'DatasetV2'
Фильтрует этот набор данных в соответствии с predicate.
dataset = tf.data.Dataset.from_tensor_slices([1, 2, 3]) dataset = dataset.filter(lambda x: x < 3) list(dataset.as_numpy_iterator()) [1, 2] # `tf.math.equal(x, y)` is required for equality comparison def filter_fn(x): return tf.math.equal(x, 1) dataset = dataset.filter(filter_fn) list(dataset.as_numpy_iterator()) [1]
| Аргументы | |
|---|---|
predicate | Функция, отображающая элемент набора данных в булево значение. |
name | (Необязательно.) Имя операции tf.data. |
| Возвращает | |
|---|---|
Новый набор данных Dataset с применённым преобразованием, как описано выше. |
fingerprint
fingerprint()
Вычисляет отпечаток пальца этого набора данных Dataset.
Если у двух наборов данных одинаковый отпечаток пальца, гарантируется, что они будут генерировать идентичные элементы, если содержимое входных файлов не изменится и они будут генерировать данные детерминированно.
Однако, два набора данных, генерирующие одинаковые значения, не всегда означают, что у них будет одинаковый отпечаток пальца из-за различных конструкций графа.
Другими словами, если у двух наборов данных разные отпечатки пальцев, они всё ещё могут генерировать одинаковые значения.
| Возвращает | |
|---|---|
Скалярный тензор tf.Tensor типа tf.uint64. |
flat_map
flat_map(
map_func, name=None
) -> 'DatasetV2'
Применяет map_func к этому набору данных и сплющивает результат.
Подпись типа:
def flat_map( self: Dataset[T], map_func: Callable[[T], Dataset[S]] ) -> Dataset[S]
Используйте flat_map, если хотите убедиться, что порядок вашего набора данных останется прежним. Например, чтобы сплющить набор данных пакетов в набор данных их элементов:
dataset = tf.data.Dataset.from_tensor_slices(
[[1, 2, 3], [4, 5, 6], [7, 8, 9]])
dataset = dataset.flat_map(tf.data.Dataset.from_tensor_slices)
list(dataset.as_numpy_iterator())
[1, 2, 3, 4, 5, 6, 7, 8, 9]tf.data.Dataset.interleave() — это обобщение flat_map, так как flat_map производит тот же вывод, что и tf.data.Dataset.interleave(cycle_length=1).
| Аргументы | |
|---|---|
map_func | Функция, отображающая элемент набора данных в набор данных. |
name | (Необязательно.) Имя операции tf.data. |
| Возвращает | |
|---|---|
Новый набор данных Dataset с применённым преобразованием, как описано выше. |
from_generator
@staticmethod
from_generator(
generator,
output_types=None,
output_shapes=None,
args=None,
output_signature=None,
name=None
) -> 'DatasetV2'
Создаёт набор данных Dataset, элементы которого генерируются generator. (аргументы устарели)
Примечание: Текущая реализацияDataset.from_generator()используетtf.numpy_functionи наследует те же ограничения. В частности, она требует, чтобы операции, связанные с набором данных и итератором, были размещены на устройстве в том же процессе, что и программа Python, которая вызвалаDataset.from_generator(). В частности, использованиеfrom_generatorзапретит использование службы tf.data для масштабирования обработки наборов данных. Телоgeneratorне будет сериализовано вGraphDef, и вы не должны использовать этот метод, если вам нужно сериализовать вашу модель и восстановить её в другой среде.
Аргумент generator должен быть вызываемым объектом, возвращающим объект, поддерживающий протокол iter() (например, функцию-генератор).
Элементы, генерируемые generator, должны быть совместимы либо с заданным аргументом output_signature, либо с заданными аргументами output_types и (необязательно) output_shapes, в зависимости от того, какой был указан.
Рекомендуемый способ вызова from_generator — использовать аргумент output_signature. В этом случае выход будет предполагаться состоящим из объектов с классами, формами и типами, определёнными объектами tf.TypeSpec из аргумента output_signature:
def gen():
ragged_tensor = tf.ragged.constant([[1, 2], [3]])
yield 42, ragged_tensor
dataset = tf.data.Dataset.from_generator(
gen,
output_signature=(
tf.TensorSpec(shape=(), dtype=tf.int32),
tf.RaggedTensorSpec(shape=(2, None), dtype=tf.int32)))
list(dataset.take(1))
[(<tf.Tensor: shape=(), dtype=int32, numpy=42>,
<tf.RaggedTensor [[1, 2], [3]]>)]Также существует устаревший способ вызова from_generator с аргументом output_types или вместе с аргументом output_shapes. В этом случае выход функции будет предполагаться состоящим из тензоров tf.Tensor с типами, определёнными output_types, и с формами, которые либо неизвестны, либо определены output_shapes.
Примечание: Еслиgeneratorзависит от изменяемых глобальных переменных или другого внешнего состояния, имейте в виду, что среда выполнения может вызватьgeneratorнесколько раз (для поддержки повторенияDataset) и в любое время между вызовомDataset.from_generator()и генерацией первого элемента из генератора. Изменение глобальных переменных или внешнего состояния может привести к неопределённому поведению, поэтому мы рекомендуем явно кэшировать внешнее состояние вgeneratorперед вызовомDataset.from_generator().
Примечание: Параметрoutput_signatureпозволяет получать элементыDataset, но область примененияDataset.from_generator()должна быть ограничена логикой, которую нельзя выразить через операции tf.data. Использование операций tf.data внутри функции-генератора — антипаттерн и может привести к увеличению потребления памяти.
| Аргументы | |
|---|---|
generator | Объект вызываемого типа, возвращающий объект, поддерживающий протокол iter(). Если args не указан, generator не должен принимать аргументы; в противном случае он должен принимать столько аргументов, сколько значений в args. |
output_types | (Необязательно.) (Вложенная) структура объектов tf.DType, соответствующих каждому компоненту элемента, возвращаемого функцией generator. |
output_shapes | (Необязательно.) (Вложенная) структура объектов tf.TensorShape, соответствующих каждому компоненту элемента, возвращаемого функцией generator. |
args | (Необязательно.) Кортеж объектов tf.Tensor, которые будут вычислены и переданы функции generator в качестве аргументов NumPy-массивов. |
output_signature | (Необязательно.) (Вложенная) структура объектов tf.TypeSpec, соответствующих каждому компоненту элемента, возвращаемого функцией generator. |
name | (Необязательно.) Имя для операций tf.data, используемых функцией from_generator. |
| Возвращаемое значение | |
|---|---|
Dataset | Объект типа Dataset. |
from_tensor_slices
@staticmethod
from_tensor_slices(
tensors, name=None
) -> 'DatasetV2'
Создаёт Dataset, элементы которого являются срезами заданных тензоров.
Указанные тензоры нарезаются по первому измерению. Эта операция сохраняет структуру входных тензоров, удаляя первое измерение каждого тензора и используя его в качестве измерения набора данных. Все входные тензоры должны иметь одинаковый размер в своих первых измерениях.
# Slicing a 1D tensor produces scalar tensor elements. dataset = tf.data.Dataset.from_tensor_slices([1, 2, 3]) list(dataset.as_numpy_iterator()) [1, 2, 3]
# Slicing a 2D tensor produces 1D tensor elements. dataset = tf.data.Dataset.from_tensor_slices([[1, 2], [3, 4]]) list(dataset.as_numpy_iterator()) [array([1, 2], dtype=int32), array([3, 4], dtype=int32)]
# Slicing a tuple of 1D tensors produces tuple elements containing # scalar tensors. dataset = tf.data.Dataset.from_tensor_slices(([1, 2], [3, 4], [5, 6])) list(dataset.as_numpy_iterator()) [(1, 3, 5), (2, 4, 6)]
# Dictionary structure is also preserved.
dataset = tf.data.Dataset.from_tensor_slices({"a": [1, 2], "b": [3, 4]})
list(dataset.as_numpy_iterator()) == [{'a': 1, 'b': 3},
{'a': 2, 'b': 4}]
True# Two tensors can be combined into one Dataset object.
features = tf.constant([[1, 3], [2, 1], [3, 3]]) # ==> 3x2 tensor
labels = tf.constant(['A', 'B', 'A']) # ==> 3x1 tensor
dataset = Dataset.from_tensor_slices((features, labels))
# Both the features and the labels tensors can be converted
# to a Dataset object separately and combined after.
features_dataset = Dataset.from_tensor_slices(features)
labels_dataset = Dataset.from_tensor_slices(labels)
dataset = Dataset.zip((features_dataset, labels_dataset))
# A batched feature and label set can be converted to a Dataset
# in similar fashion.
batched_features = tf.constant([[[1, 3], [2, 3]],
[[2, 1], [1, 2]],
[[3, 3], [3, 2]]], shape=(3, 2, 2))
batched_labels = tf.constant([['A', 'A'],
['B', 'B'],
['A', 'B']], shape=(3, 2, 1))
dataset = Dataset.from_tensor_slices((batched_features, batched_labels))
for element in dataset.as_numpy_iterator():
print(element)
(array([[1, 3],
[2, 3]], dtype=int32), array([[b'A'],
[b'A']], dtype=object))
(array([[2, 1],
[1, 2]], dtype=int32), array([[b'B'],
[b'B']], dtype=object))
(array([[3, 3],
[3, 2]], dtype=int32), array([[b'A'],
[b'B']], dtype=object))Обратите внимание, что если tensors содержит массив NumPy, а выполнение в режиме eager отключено, значения будут встроены в граф как одна или несколько операций tf.constant. Для больших наборов данных (> 1 ГБ) это может привести к потере памяти и ограничению размера сериализации графа. Если tensors содержит один или несколько больших массивов NumPy, рассмотрите альтернативу, описанную в этом руководстве.
| Аргументы | |
|---|---|
tensors | Элемент набора данных, компоненты которого имеют одинаковое первое измерение. Доступные значения описаны здесь. |
name | (Необязательно.) Имя для операции tf.data. |
| Возвращаемое значение | |
|---|---|
Dataset | Объект типа Dataset. |
from_tensors
@staticmethod
from_tensors(
tensors, name=None
) -> 'DatasetV2'
Создаёт Dataset с одним элементом, содержащим заданные тензоры.
from_tensors создаёт набор данных, содержащий только один элемент. Для нарезки входного тензора на несколько элементов используйте from_tensor_slices.
dataset = tf.data.Dataset.from_tensors([1, 2, 3]) list(dataset.as_numpy_iterator()) [array([1, 2, 3], dtype=int32)] dataset = tf.data.Dataset.from_tensors(([1, 2, 3], 'A')) list(dataset.as_numpy_iterator()) [(array([1, 2, 3], dtype=int32), b'A')]
# You can use `from_tensors` to produce a dataset which repeats # the same example many times. example = tf.constant([1,2,3]) dataset = tf.data.Dataset.from_tensors(example).repeat(2) list(dataset.as_numpy_iterator()) [array([1, 2, 3], dtype=int32), array([1, 2, 3], dtype=int32)]
Обратите внимание, что если tensors содержит массив NumPy, а выполнение в режиме eager отключено, значения будут встроены в граф как одна или несколько операций tf.constant. Для больших наборов данных (> 1 ГБ) это может привести к потере памяти и ограничению размера сериализации графа. Если tensors содержит один или несколько больших массивов NumPy, рассмотрите альтернативу, описанную в этом руководстве.
| Аргументы | |
|---|---|
tensors | Элемент набора данных. Поддерживаемые значения описаны здесь. |
name | (Необязательно.) Имя для операции tf.data. |
| Возвращаемое значение | |
|---|---|
Dataset | Объект типа Dataset. |
get_single_element
get_single_element(
name=None
)
Возвращает единственный элемент набора данных dataset.
Функция позволяет использовать tf.data.Dataset в бессостоятельном выражении «тензор-в-тензор-на-выходе», без создания итератора. Это упрощает преобразование данных над тензорами с использованием оптимизированной абстракции tf.data.Dataset поверх них.
Например, рассмотрим preprocessing_fn, который принимает исходные признаки и возвращает обработанные признаки вместе с меткой.
def preprocessing_fn(raw_feature):
# ... the raw_feature is preprocessed as per the use-case
return feature
raw_features = ... # input batch of BATCH_SIZE elements.
dataset = (tf.data.Dataset.from_tensor_slices(raw_features)
.map(preprocessing_fn, num_parallel_calls=BATCH_SIZE)
.batch(BATCH_SIZE))
processed_features = dataset.get_single_element()
В примере тензор raw_features длиной BATCH_SIZE был преобразован в tf.data.Dataset. Далее каждый из raw_feature был преобразован с помощью preprocessing_fn, и обработанные признаки были сгруппированы в одну партию. Конечный dataset содержит только один элемент — партию всех обработанных признаков.
Примечание: dataset должен содержать только один элемент.
Теперь, вместо создания итератора для dataset и извлечения партии признаков, используется функция tf.data.get_single_element(), которая пропускает создание итератора и напрямую выводит партию признаков.
Это может быть особенно полезно, когда преобразования тензоров выражены как операции tf.data.Dataset и вы хотите использовать эти преобразования при обслуживании вашей модели.
Keras
model = ... # A pre-built or custom model
class PreprocessingModel(tf.keras.Model):
def __init__(self, model):
super().__init__(self)
self.model = model
@tf.function(input_signature=[...])
def serving_fn(self, data):
ds = tf.data.Dataset.from_tensor_slices(data)
ds = ds.map(preprocessing_fn, num_parallel_calls=BATCH_SIZE)
ds = ds.batch(batch_size=BATCH_SIZE)
return tf.argmax(self.model(ds.get_single_element()), axis=-1)
preprocessing_model = PreprocessingModel(model)
your_exported_model_dir = ... # save the model to this path.
tf.saved_model.save(preprocessing_model, your_exported_model_dir,
signatures={'serving_default': preprocessing_model.serving_fn}
)
| Аргументы | |
|---|---|
name | (Необязательно.) Имя для операции tf.data. |
| Возвращаемое значение | |
|---|---|
Вложенная структура объектов tf.Tensor, соответствующих единственному элементу dataset. |
| Исключения | |
|---|---|
InvalidArgumentError | (во время выполнения) если dataset не содержит ровно одного элемента. |
group_by_window
group_by_window(
key_func, reduce_func, window_size=None, window_size_func=None, name=None
) -> 'DatasetV2'
Группирует окна элементов по ключу и уменьшает их.
Это преобразование сопоставляет каждый последовательный элемент в наборе данных с ключом, используя key_func, и группирует элементы по ключу. Затем оно применяет reduce_func к не более чем window_size_func(key) элементам, соответствующим одному и тому же ключу. Все, кроме последнего окна для каждого ключа, будут содержать window_size_func(key) элементов; последнее окно может быть меньше.
Вы можете предоставить либо постоянный window_size, либо размер окна, определяемый ключом через window_size_func.
dataset = tf.data.Dataset.range(10)
window_size = 5
key_func = lambda x: x%2
reduce_func = lambda key, dataset: dataset.batch(window_size)
dataset = dataset.group_by_window(
key_func=key_func,
reduce_func=reduce_func,
window_size=window_size)
for elem in dataset.as_numpy_iterator():
print(elem)
[0 2 4 6 8]
[1 3 5 7 9]| Аргументы | |
|---|---|
key_func | Функция, сопоставляющая вложенную структуру тензоров (с формами и типами, определёнными self.output_shapes и self.output_types) со скалярным тензором tf.int64. |
reduce_func | Функция, сопоставляющая ключ и набор данных из не более чем window_size последовательных элементов, соответствующих этому ключу, с другим набором данных. |
window_size | Скалярный тензор типа tf.int64, представляющий количество последовательных элементов, соответствующих одному и тому же ключу для объединения в одну партию, которая будет передана функции reduce_func. Взаимоисключающие с window_size_func. |
window_size_func | Функция, сопоставляющая ключ со скалярным тензором типа tf.int64, представляющим количество последовательных элементов, соответствующих одному и тому же ключу для объединения в одну партию, которая будет передана функции reduce_func. Взаимоисключающие с window_size. |
name | (Необязательно.) Имя для операции tf.data. |
| Возвращает | |
|---|---|
Новый Dataset с применённым преобразованием, как описано выше. |
| Возможные исключения | |
|---|---|
ValueError | если ни один, ни оба из {window_size, window_size_func} не переданы. |
ignore_errors
ignore_errors(
log_warning=False, name=None
) -> 'DatasetV2'
Отбрасывает элементы, вызывающие ошибки.
dataset = tf.data.Dataset.from_tensor_slices([1., 2., 0., 4.]) dataset = dataset.map(lambda x: tf.debugging.check_numerics(1. / x, "")) list(dataset.as_numpy_iterator()) Traceback (most recent call last): InvalidArgumentError: ... Tensor had Inf values dataset = dataset.ignore_errors() list(dataset.as_numpy_iterator()) [1.0, 0.5, 0.25]
| Аргументы | |
|---|---|
log_warning | (Необязательно.) Булево значение, указывающее, следует ли регистрировать игнорируемые ошибки в stderr. По умолчанию значение False. |
name | (Необязательно.) Строка, обозначающая имя операции tf.data. |
| Возвращает | |
|---|---|
Новый Dataset с применённым преобразованием, как описано выше. |
interleave
interleave(
map_func,
cycle_length=None,
block_length=None,
num_parallel_calls=None,
deterministic=None,
name=None
) -> 'DatasetV2'
Применяет map_func к этому набору данных и переплетает результаты.
Подпись типа:
def interleave( self: Dataset[T], map_func: Callable[[T], Dataset[S]] ) -> Dataset[S]
Например, вы можете использовать Dataset.interleave() для одновременной обработки многих файлов ввода:
# Preprocess 4 files concurrently, and interleave blocks of 16 records
# from each file.
filenames = ["/var/data/file1.txt", "/var/data/file2.txt",
"/var/data/file3.txt", "/var/data/file4.txt"]
dataset = tf.data.Dataset.from_tensor_slices(filenames)
def parse_fn(filename):
return tf.data.Dataset.range(10)
dataset = dataset.interleave(lambda x:
tf.data.TextLineDataset(x).map(parse_fn, num_parallel_calls=1),
cycle_length=4, block_length=16)Аргументы cycle_length и block_length управляют порядком, в котором производятся элементы. cycle_length управляет количеством элементов входных данных, обрабатываемых одновременно. Если вы установите cycle_length в 1, это преобразование будет обрабатывать один элемент входных данных за раз, и даст идентичные результаты tf.data.Dataset.flat_map. В общем случае это преобразование применит map_func к cycle_length элементам входных данных, откроет итераторы на возвращённых объектах Dataset, и перейдёт по ним, производя block_length последовательных элементов из каждого итератора, и потребляя следующий элемент входных данных каждый раз, когда достигает конца итератора.
Например:
dataset = Dataset.range(1, 6) # ==> [ 1, 2, 3, 4, 5 ]
# NOTE: New lines indicate "block" boundaries.
dataset = dataset.interleave(
lambda x: Dataset.from_tensors(x).repeat(6),
cycle_length=2, block_length=4)
list(dataset.as_numpy_iterator())
[1, 1, 1, 1,
2, 2, 2, 2,
1, 1,
2, 2,
3, 3, 3, 3,
4, 4, 4, 4,
3, 3,
4, 4,
5, 5, 5, 5,
5, 5]Примечание: Порядок элементов, возвращаемых этим преобразованием, является детерминированным, до тех пор, покаmap_func— это чистая функция иdeterministic=True. Еслиmap_funcсодержит какие-либо операции с состоянием, порядок доступа к этому состоянию не определён.
Производительность часто можно улучшить, установив num_parallel_calls, чтобы interleave использовало несколько потоков для получения элементов. Если детерминированность не требуется, для повышения производительности можно установить deterministic=False.
filenames = ["/var/data/file1.txt", "/var/data/file2.txt",
"/var/data/file3.txt", "/var/data/file4.txt"]
dataset = tf.data.Dataset.from_tensor_slices(filenames)
dataset = dataset.interleave(lambda x: tf.data.TFRecordDataset(x),
cycle_length=4, num_parallel_calls=tf.data.AUTOTUNE,
deterministic=False)| Аргументы | |
|---|---|
map_func | Функция, которая принимает элемент набора данных и возвращает tf.data.Dataset. |
cycle_length | (Необязательно.) Количество элементов входных данных, которые будут обрабатываться одновременно. Если не указано, среда выполнения tf.data определяет это значение на основе доступных процессоров CPU. Если num_parallel_calls установлено в tf.data.AUTOTUNE, то аргумент cycle_length определяет максимальную степень параллелизма. |
block_length | (Необязательно.) Количество последовательных элементов, которые следует генерировать из каждого элемента входных данных, прежде чем перейти к другому элементу входных данных. Если не указано, по умолчанию равно 1. |
num_parallel_calls | (Необязательно.) Если указано, реализация создаёт пул потоков, который используется для асинхронного и параллельного получения входных данных из элементов цикла. По умолчанию входные данные из элементов цикла получаются синхронно без параллелизма. Если используется значение tf.data.AUTOTUNE, то количество параллельных вызовов устанавливается динамически на основе доступных процессоров CPU. |
deterministic | (Необязательно.) Если указано num_parallel_calls, если этот булевый параметр указан (True или False), он управляет порядком, в котором преобразование генерирует элементы. Если он установлен в False, преобразованию разрешается выдавать элементы вне порядка, чтобы обменять детерминированность на производительность. Если не указано, используется опция tf.data.Options.deterministic (по умолчанию True). |
name | (Необязательно.) Имя операции tf.data. |
| Возвращает | |
|---|---|
Новый Dataset с применённым преобразованием, как описано выше. |
list_files
@staticmethod
list_files(
file_pattern, shuffle=None, seed=None, name=None
) -> 'DatasetV2'
Набор данных со всеми файлами, соответствующими одному или нескольким шаблонам glob.
Аргумент file_pattern должен быть небольшим количеством шаблонов glob. Если имена файлов уже были обработаны glob, используйте Dataset.from_tensor_slices(filenames) вместо этого, так как повторная обработка каждого имени файла с list_files может привести к плохой производительности с удалёнными хранилищами.
Примечание: По умолчанию этот метод возвращает имена файлов в произвольном случайном перемешанном порядке. Передайтеseedилиshuffle=False, чтобы получить результаты в детерминированном порядке.
| Пример | |
|---|---|
Если на нашем файловой системе есть следующие файлы:
Если мы передадим "/path/to/dir/*.py" в качестве директории, набор данных произведёт:
|
| Аргументы | |
|---|---|
file_pattern | Строка, список строк или тензор типа строка (скаляр или вектор), представляющие шаблон(ы) имени файла glob (т.е. шаблон подстановки shell), которые будут сопоставлены. |
shuffle | (Необязательно.) Если True, имена файлов будут случайным образом перемешаны. По умолчанию True. |
seed | (Необязательно.) Скалярный тензор типа tf.int64, представляющий случайное семя, которое будет использоваться для создания распределения. См. tf.random.set_seed для поведения. |
name | Необязательно. Имя операций tf.data, используемых list_files. |
| Возвращает | |
|---|---|
Dataset | Набор данных строк, соответствующих именам файлов. |
load
@staticmethod
load(
path, element_spec=None, compression=None, reader_func=None
) -> 'DatasetV2'
Загружает ранее сохранённый набор данных.
Пример использования:
import tempfile path = os.path.join(tempfile.gettempdir(), "saved_data") # Save a dataset dataset = tf.data.Dataset.range(2) tf.data.Dataset.save(dataset, path) new_dataset = tf.data.Dataset.load(path) for elem in new_dataset: print(elem) tf.Tensor(0, shape=(), dtype=int64) tf.Tensor(1, shape=(), dtype=int64)
Если использовался параметр фрагментации сохранённого набора данных по умолчанию, порядок элементов сохранённого набора данных сохранится при его загрузке.
Аргумент reader_func может быть использован для указания пользовательского порядка, в котором элементы должны загружаться из отдельных фрагментов. reader_func ожидается, что он примет единственный аргумент — набор данных наборов данных, каждый из которых содержит элементы одного из фрагментов, и вернёт набор данных элементов. Например, порядок фрагментов можно перемешать при загрузке следующим образом:
def custom_reader_func(datasets):
datasets = datasets.shuffle(NUM_SHARDS)
return datasets.interleave(lambda x: x, num_parallel_calls=AUTOTUNE)
dataset = tf.data.Dataset.load(
path="/path/to/data", ..., reader_func=custom_reader_func)
| Аргументы | |
|---|---|
path | Обязательно. Путь к ранее сохранённому набору данных. |
element_spec | Необязательно. Вложенная структура объектов tf.TypeSpec, соответствующая структуре элемента сохранённого набора данных, определяющая тип отдельных компонентов элементов. Если не указано, используется вложенная структура tf.TypeSpec, сохранённая с сохранённым набором данных. Обратите внимание, что этот аргумент является обязательным в режиме графа. |
compression | Необязательно. Алгоритм для разархивирования данных при чтении. Поддерживаемые варианты — GZIP и NONE. По умолчанию используется NONE. |
reader_func | Необязательно. Функция для управления чтением данных из фрагментов. Если присутствует, функция будет отслеживаться и выполняться как вычисление графа. |
| Возвращает | |
|---|---|
Объект tf.data.Dataset. |
| Возвращает исключение | |
|---|---|
FileNotFoundError | Если element_spec не указано, и сохранённая вложенная структура tf.TypeSpec не может быть найдена с помощью сохранённого набора данных. |
ValueError | Если element_spec не указано, и метод выполняется в режиме графа. |
map
map(
map_func, num_parallel_calls=None, deterministic=None, name=None
)
Применяет отображение map_func к элементам этого набора данных.
Это преобразование применяет map_func к каждому элементу этого набора данных и возвращает новый набор данных, содержащий преобразованные элементы в том же порядке, что и в исходном наборе. map_func может быть использовано для изменения как значений, так и структуры элементов набора данных. Поддерживаемые структуры элементов документированы здесь.
Например, map может использоваться для добавления 1 к каждому элементу или для проекции подмножества компонентов элементов.
dataset = Dataset.range(1, 6) # ==> [ 1, 2, 3, 4, 5 ] dataset = dataset.map(lambda x: x + 1) list(dataset.as_numpy_iterator()) [2, 3, 4, 5, 6]
Вводная сигнатура map_func определяется структурой каждого элемента в этом наборе данных.
dataset = Dataset.range(5) # `map_func` takes a single argument of type `tf.Tensor` with the same # shape and dtype. result = dataset.map(lambda x: x + 1)
# Each element is a tuple containing two `tf.Tensor` objects.
elements = [(1, "foo"), (2, "bar"), (3, "baz")]
dataset = tf.data.Dataset.from_generator(
lambda: elements, (tf.int32, tf.string))
# `map_func` takes two arguments of type `tf.Tensor`. This function
# projects out just the first component.
result = dataset.map(lambda x_int, y_str: x_int)
list(result.as_numpy_iterator())
[1, 2, 3]# Each element is a dictionary mapping strings to `tf.Tensor` objects.
elements = ([{"a": 1, "b": "foo"},
{"a": 2, "b": "bar"},
{"a": 3, "b": "baz"}])
dataset = tf.data.Dataset.from_generator(
lambda: elements, {"a": tf.int32, "b": tf.string})
# `map_func` takes a single argument of type `dict` with the same keys
# as the elements.
result = dataset.map(lambda d: str(d["a"]) + d["b"])Значение или значения, возвращаемые map_func, определяют структуру каждого элемента в возвращаемом наборе данных.
dataset = tf.data.Dataset.range(3) # `map_func` returns two `tf.Tensor` objects. def g(x): return tf.constant(37.0), tf.constant(["Foo", "Bar", "Baz"]) result = dataset.map(g) result.element_spec (TensorSpec(shape=(), dtype=tf.float32, name=None), TensorSpec(shape=(3,), dtype=tf.string, name=None)) # Python primitives, lists, and NumPy arrays are implicitly converted to # `tf.Tensor`. def h(x): return 37.0, ["Foo", "Bar"], np.array([1.0, 2.0], dtype=np.float64) result = dataset.map(h) result.element_spec (TensorSpec(shape=(), dtype=tf.float32, name=None), TensorSpec(shape=(2,), dtype=tf.string, name=None), TensorSpec(shape=(2,), dtype=tf.float64, name=None)) # `map_func` can return nested structures. def i(x): return (37.0, [42, 16]), "foo" result = dataset.map(i) result.element_spec ((TensorSpec(shape=(), dtype=tf.float32, name=None), TensorSpec(shape=(2,), dtype=tf.int32, name=None)), TensorSpec(shape=(), dtype=tf.string, name=None))
map_func может принимать в качестве аргументов и возвращать любой тип элементов набора данных.
Обратите внимание, что независимо от контекста, в котором определено map_func (строго типизированный или граф), tf.data отслеживает функцию и выполняет её как граф. Чтобы использовать Python-код внутри функции, у вас есть несколько вариантов:
1) Воспользуйтесь AutoGraph для преобразования Python-кода в эквивалентное вычисление графа. Недостатком этого подхода является то, что AutoGraph может преобразовать не весь Python-код.
2) Используйте tf.py_function, который позволяет писать произвольный Python-код, но, как правило, приводит к худшей производительности, чем 1). Например:
d = tf.data.Dataset.from_tensor_slices(['hello', 'world'])
# transform a string tensor to upper case string using a Python function
def upper_case_fn(t: tf.Tensor):
return t.numpy().decode('utf-8').upper()
d = d.map(lambda x: tf.py_function(func=upper_case_fn,
inp=[x], Tout=tf.string))
list(d.as_numpy_iterator())
[b'HELLO', b'WORLD']3) Используйте tf.numpy_function, который также позволяет писать произвольный Python-код. Обратите внимание, что tf.py_function принимает tf.Tensor, а tf.numpy_function принимает массивы NumPy и возвращает только массивы NumPy. Например:
d = tf.data.Dataset.from_tensor_slices(['hello', 'world'])
def upper_case_fn(t: np.ndarray):
return t.decode('utf-8').upper()
d = d.map(lambda x: tf.numpy_function(func=upper_case_fn,
inp=[x], Tout=tf.string))
list(d.as_numpy_iterator())
[b'HELLO', b'WORLD']Обратите внимание, что использование tf.numpy_function и tf.py_function в целом исключает возможность параллельного выполнения пользовательских преобразований (из-за блокировки интерпретатора Python).
Производительность часто можно улучшить, установив num_parallel_calls, чтобы map использовал несколько потоков для обработки элементов. Если порядок не имеет значения, производительность также можно улучшить, установив deterministic=False.
dataset = Dataset.range(1, 6) # ==> [ 1, 2, 3, 4, 5 ]
dataset = dataset.map(lambda x: x + 1,
num_parallel_calls=tf.data.AUTOTUNE,
deterministic=False)Порядок элементов, полученных этим преобразованием, является детерминированным, если deterministic=True. Если map_func содержит операции с состоянием, и num_parallel_calls > 1, порядок доступа к этому состоянию не определён, поэтому значения выходных элементов могут не быть детерминированными независимо от значения флага deterministic.
| Аргументы | |
|---|---|
map_func | Функция, отображающая элемент набора данных на другой элемент набора данных. |
num_parallel_calls | (Необязательно.) Скалярный тензор tf.int64, представляющий количество элементов, которые должны обрабатываться асинхронно параллельно. Если не указано, элементы будут обрабатываться последовательно. Если используется значение tf.data.AUTOTUNE, то количество параллельных вызовов динамически настраивается в зависимости от доступных ЦП. |
deterministic | (Необязательно.) Если num_parallel_calls указано, если этот булевый параметр указан (True или False), он управляет порядком, в котором преобразование генерирует элементы. Если задано значение False, преобразованию разрешается генерировать элементы вне очереди, чтобы обменять детерминизм на производительность. Если не указано, поведение контролирует параметр tf.data.Options.deterministic (по умолчанию True). |
name | (Необязательно.) Имя операции tf.data. |
| Возвращает | |
|---|---|
Новый Dataset с применённым преобразованием, как описано выше. |
options
options()
Возвращает параметры для этого набора данных и его входных данных.
| Возвращает | |
|---|---|
Объект tf.data.Options, представляющий параметры набора данных. |
padded_batch
padded_batch(
batch_size,
padded_shapes=None,
padding_values=None,
drop_remainder=False,
name=None
) -> 'DatasetV2'
Объединяет последовательные элементы этого набора данных в заполненные пакеты.
Это преобразование объединяет несколько последовательных элементов входного набора данных в один элемент.
Как и tf.data.Dataset.batch, компоненты результирующего элемента будут иметь дополнительное внешнее измерение, которое будет batch_size (или N % batch_size для последнего элемента, если batch_size не делит количество входных элементов N равномерно и drop_remainder имеет значение False). Если ваша программа зависит от того, что пакеты имеют одинаковое внешнее измерение, вы должны установить аргумент drop_remainder в True, чтобы предотвратить создание меньшего пакета.
В отличие от tf.data.Dataset.batch, входные элементы для объединения в пакет могут иметь разные формы, и это преобразование заполнит каждый компонент до соответствующей формы в padded_shapes. Аргумент padded_shapes определяет результирующую форму для каждого измерения каждого компонента в элементе выходных данных:
- Если измерение является константой, компонент будет заполнен до этого размера в этом измерении.
- Если измерение неизвестно, компонент будет заполнен до максимальной длины всех элементов в этом измерении.
A = (tf.data.Dataset
.range(1, 5, output_type=tf.int32)
.map(lambda x: tf.fill([x], x)))
# Pad to the smallest per-batch size that fits all elements.
B = A.padded_batch(2)
for element in B.as_numpy_iterator():
print(element)
[[1 0]
[2 2]]
[[3 3 3 0]
[4 4 4 4]]
# Pad to a fixed size.
C = A.padded_batch(2, padded_shapes=5)
for element in C.as_numpy_iterator():
print(element)
[[1 0 0 0 0]
[2 2 0 0 0]]
[[3 3 3 0 0]
[4 4 4 4 0]]
# Pad with a custom value.
D = A.padded_batch(2, padded_shapes=5, padding_values=-1)
for element in D.as_numpy_iterator():
print(element)
[[ 1 -1 -1 -1 -1]
[ 2 2 -1 -1 -1]]
[[ 3 3 3 -1 -1]
[ 4 4 4 4 -1]]
# Components of nested elements can be padded independently.
elements = [([1, 2, 3], [10]),
([4, 5], [11, 12])]
dataset = tf.data.Dataset.from_generator(
lambda: iter(elements), (tf.int32, tf.int32))
# Pad the first component of the tuple to length 4, and the second
# component to the smallest size that fits.
dataset = dataset.padded_batch(2,
padded_shapes=([4], [None]),
padding_values=(-1, 100))
list(dataset.as_numpy_iterator())
[(array([[ 1, 2, 3, -1], [ 4, 5, -1, -1]], dtype=int32),
array([[ 10, 100], [ 11, 12]], dtype=int32))]
# Pad with a single value and multiple components.
E = tf.data.Dataset.zip((A, A)).padded_batch(2, padding_values=-1)
for element in E.as_numpy_iterator():
print(element)
(array([[ 1, -1],
[ 2, 2]], dtype=int32), array([[ 1, -1],
[ 2, 2]], dtype=int32))
(array([[ 3, 3, 3, -1],
[ 4, 4, 4, 4]], dtype=int32), array([[ 3, 3, 3, -1],
[ 4, 4, 4, 4]], dtype=int32))См. также tf.data.experimental.dense_to_sparse_batch, который объединяет элементы, которые могут иметь разные формы, в tf.sparse.SparseTensor.
| Аргументы | |
|---|---|
batch_size | Скалярный тензор tf.int64, представляющий количество последовательных элементов этого набора данных, которые нужно объединить в один пакет. |
padded_shapes | (Необязательно.) (Вложенная) структура tf.TensorShape или целочисленных векторов-типов тензоров, представляющих форму, до которой должен быть заполнен соответствующий компонент каждого входного элемента перед объединением в пакет. Любые неизвестные измерения будут заполнены до максимального размера этого измерения в каждом пакете. padded_shapes необходимо задать, если у любого компонента неизвестный ранг. |
padding_values | (Необязательно.) (Вложенная) структура скалярных тензоров, представляющих значения заполнения для соответствующих компонентов. None означает, что (вложенная) структура должна быть заполнена значениями по умолчанию. Значения по умолчанию: 0 для числовых типов и пустая строка для строковых типов. padding_values должна иметь такую же (вложенную) структуру, как и входной набор данных. Если padding_values имеет одно значение, а входной набор данных имеет несколько компонентов, то то же самое значение padding_values будет использоваться для заполнения каждого компонента набора данных. Если padding_values является скаляром, то его значение будет транслировано для соответствия форме каждого компонента. |
drop_remainder | (Необязательно.) Логический скалярный тензор tf.bool, указывающий, должен ли быть опущен последний пакет в случае, если в нём меньше batch_size элементов; по умолчанию меньший пакет не отбрасывается. |
name | (Необязательно.) Имя операции tf.data. |
| Возвращает | |
|---|---|
Новый Dataset с применённым преобразованием, как описано выше. |
| Возвращает исключение | |
|---|---|
ValueError | Если у компонента неизвестный ранг, и аргумент padded_shapes не задан. |
TypeError | Если компонент имеет неподдерживаемый тип. Список поддерживаемых типов документирован в https://www.tensorflow.org/guide/data#dataset_structure |
prefetch
prefetch(
buffer_size, name=None
) -> 'DatasetV2'
Создаёт Dataset, который предварительно извлекает элементы из этого набора данных.
Большинство входных конвейеров наборов данных должны заканчиваться вызовом prefetch. Это позволяет подготовить последующие элементы во время обработки текущего элемента. Это часто улучшает задержку и пропускную способность, за счёт использования дополнительной памяти для хранения предварительно извлечённых элементов.
Примечание: Как и другие методыDataset, prefetch работает с элементами входного набора данных. У него нет понятия примеров или пакетов.examples.prefetch(2)предварительно извлечёт два элемента (2 примера), аexamples.batch(20).prefetch(2)предварительно извлечёт 2 элемента (2 пакета по 20 примеров каждый).
dataset = tf.data.Dataset.range(3) dataset = dataset.prefetch(2) list(dataset.as_numpy_iterator()) [0, 1, 2]
| Аргументы | |
|---|---|
buffer_size | Скалярный тензор типа tf.int64, представляющий максимальное количество элементов, которые будут буферизованы при предварительной загрузке. Если используется значение tf.data.AUTOTUNE, размер буфера настраивается динамически. |
name | Необязательно. Имя преобразования tf.data. |
| Возвращаемое значение | |
|---|---|
Новый Dataset с применённым преобразованием, как описано выше. |
ragged_batch
ragged_batch(
batch_size,
drop_remainder=False,
row_splits_dtype=tf.dtypes.int64,
name=None
) -> 'DatasetV2'
Объединяет последовательные элементы этого набора данных в tf.RaggedTensor.
Как и tf.data.Dataset.batch, компоненты результирующего элемента будут иметь дополнительное внешнее измерение, которое будет batch_size (или N % batch_size для последнего элемента, если batch_size не делит число входных элементов N нацело и drop_remainder является False). Если ваша программа зависит от того, чтобы пакеты имели одинаковое внешнее измерение, вы должны установить аргумент drop_remainder в True, чтобы предотвратить создание более мелкого пакета.
В отличие от tf.data.Dataset.batch, входные элементы, которые должны быть объединены в пакеты, могут иметь разные формы:
- Если входной элемент является тензором
tf.Tensor, чья статическая формаtf.TensorShapeполностью определена, то он объединяется в пакеты как обычно. - Если входной элемент является тензором
tf.Tensor, чья статическая формаtf.TensorShapeсодержит одну или несколько осей с неизвестным размером (т.е.shape[i]=None), то выходной пакет будет содержатьtf.RaggedTensor, который является разреженным до любого из этих измерений. - Если входной элемент является
tf.RaggedTensorили любым другим типом, то он объединяется в пакеты как обычно.
Пример:
dataset = tf.data.Dataset.range(6) dataset = dataset.map(lambda x: tf.range(x)) dataset.element_spec.shape TensorShape([None]) dataset = dataset.ragged_batch(2) for batch in dataset: print(batch) <tf.RaggedTensor [[], [0]]> <tf.RaggedTensor [[0, 1], [0, 1, 2]]> <tf.RaggedTensor [[0, 1, 2, 3], [0, 1, 2, 3, 4]]>
| Аргументы | |
|---|---|
batch_size | Скалярный тензор типа tf.int64, представляющий число последовательных элементов этого набора данных, которые объединяются в один пакет. |
drop_remainder | (Необязательно.) Скалярный тензор типа tf.bool, представляющий, должен ли быть пропущен последний пакет в случае, если он содержит меньше batch_size элементов; поведение по умолчанию – не пропускать более мелкий пакет. |
row_splits_dtype | Тип данных, который должен использоваться для row_splits любых новых разреженных тензоров. У существующих элементов tf.RaggedTensor тип row_splits не изменяется. |
name | (Необязательно.) Строка, указывающая имя операции tf.data. |
| Возвращаемое значение | |
|---|---|
Новый Dataset с применённым преобразованием, как описано выше. |
random
@staticmethod
random(
seed=None, rerandomize_each_iteration=None, name=None
) -> 'DatasetV2'
Создаёт набор данных Dataset псевдослучайных значений.
Набор данных генерирует последовательность целых чисел с равномерным распределением.
rerandomize_each_iteration управляет тем, должна ли последовательность сгенерированных случайных чисел перегенерироваться для каждой эпохи. Значение по умолчанию – False, в этом случае набор данных генерирует одну и ту же последовательность случайных чисел для каждой эпохи.
ds1 = tf.data.Dataset.random(seed=4).take(10) ds2 = tf.data.Dataset.random(seed=4).take(10) print(list(ds1.as_numpy_iterator())==list(ds2.as_numpy_iterator())) True
ds3 = tf.data.Dataset.random(seed=4).take(10) ds3_first_epoch = list(ds3.as_numpy_iterator()) ds3_second_epoch = list(ds3.as_numpy_iterator()) print(ds3_first_epoch == ds3_second_epoch) True
ds4 = tf.data.Dataset.random(
seed=4, rerandomize_each_iteration=True).take(10)
ds4_first_epoch = list(ds4.as_numpy_iterator())
ds4_second_epoch = list(ds4.as_numpy_iterator())
print(ds4_first_epoch == ds4_second_epoch)
False| Аргументы | |
|---|---|
seed | (Необязательно) Если указано, набор данных производит детерминированную последовательность значений. |
rerandomize_each_iteration | (Необязательно) Если установлено в False, набор данных генерирует ту же последовательность случайных чисел для каждой эпохи. Если установлено в True, он генерирует другую детерминированную последовательность случайных чисел для каждой эпохи. По умолчанию – False, если не указано. |
name | (Необязательно.) Имя операции tf.data. |
| Возвращаемое значение | |
|---|---|
Dataset | Набор данных Dataset. |
range
@staticmethod
range(
*args, **kwargs
) -> 'DatasetV2'
Создаёт набор данных Dataset с диапазоном значений, разделенных шагом.
list(Dataset.range(5).as_numpy_iterator()) [0, 1, 2, 3, 4] list(Dataset.range(2, 5).as_numpy_iterator()) [2, 3, 4] list(Dataset.range(1, 5, 2).as_numpy_iterator()) [1, 3] list(Dataset.range(1, 5, -2).as_numpy_iterator()) [] list(Dataset.range(5, 1).as_numpy_iterator()) [] list(Dataset.range(5, 1, -2).as_numpy_iterator()) [5, 3] list(Dataset.range(2, 5, output_type=tf.int32).as_numpy_iterator()) [2, 3, 4] list(Dataset.range(1, 5, 2, output_type=tf.float32).as_numpy_iterator()) [1.0, 3.0]
| Аргументы | |
|---|---|
*args | Следует тем же семантикам, что и python's range. len(args) == 1 -> start = 0, stop = args[0], step = 1. len(args) == 2 -> start = args[0], stop = args[1], step = 1. len(args) == 3 -> start = args[0], stop = args[1], step = args[2]. |
**kwargs |
|
| Возвращаемое значение | |
|---|---|
Dataset | Набор данных RangeDataset. |
| Исключения | |
|---|---|
ValueError | если len(args) == 0. |
rebatch
rebatch(
batch_size, drop_remainder=False, name=None
) -> 'DatasetV2'
Создаёт набор данных Dataset, который перегруппировывает элементы из этого набора данных.
rebatch(N) функционально эквивалентен unbatch().batch(N), но более эффективен, выполняя одну копию вместо двух.
ds = tf.data.Dataset.range(6) ds = ds.batch(2) ds = ds.rebatch(3) list(ds.as_numpy_iterator()) [array([0, 1, 2]), array([3, 4, 5])]
ds = tf.data.Dataset.range(7) ds = ds.batch(4) ds = ds.rebatch(3) list(ds.as_numpy_iterator()) [array([0, 1, 2]), array([3, 4, 5]), array([6])]
ds = tf.data.Dataset.range(7) ds = ds.batch(2) ds = ds.rebatch(3, drop_remainder=True) list(ds.as_numpy_iterator()) [array([0, 1, 2]), array([3, 4, 5])]
Если аргумент batch_size является списком, rebatch циклически проходит по списку, чтобы определить размер каждого пакета.
ds = tf.data.Dataset.range(8) ds = ds.batch(4) ds = ds.rebatch([2, 1, 1]) list(ds.as_numpy_iterator()) [array([0, 1]), array([2]), array([3]), array([4, 5]), array([6]), array([7])]
| Аргументы | |
|---|---|
batch_size | Скалярный или векторный тензор типа tf.int64, представляющий размер пакетов для получения. Если этот аргумент является вектором, эти значения циклически просматриваются в режиме круглого цикла. |
drop_remainder | (Необязательно.) Скалярный тензор типа tf.bool, представляющий, должен ли быть пропущен последний пакет в случае, если он содержит меньше batch_size[cycle_index] элементов; поведение по умолчанию – не пропускать более мелкий пакет. |
name | (Необязательно.) Имя операции tf.data. |
| Возвращаемое значение | |
|---|---|
Набор данных Dataset скалярных элементов dtype. |
reduce
reduce(
initial_state, reduce_func, name=None
)
Сводит входной набор данных к одному элементу.
Преобразование последовательно вызывает reduce_func для каждого элемента входного набора данных до исчерпания набора данных, агрегируя информацию в своём внутреннем состоянии. Аргумент initial_state используется для начального состояния, а конечное состояние возвращается как результат.
tf.data.Dataset.range(5).reduce(np.int64(0), lambda x, _: x + 1).numpy() 5 tf.data.Dataset.range(5).reduce(np.int64(0), lambda x, y: x + y).numpy() 10
| Аргументы | |
|---|---|
initial_state | Элемент, представляющий начальное состояние преобразования. |
reduce_func | Функция, которая отображает (old_state, input_element) на new_state. Она должна принимать два аргумента и возвращать новый элемент. Структура new_state должна соответствовать структуре initial_state. |
name | (Необязательно.) Имя операции tf.data. |
| Возвращаемое значение | |
|---|---|
| Элемент набора данных, соответствующий конечному состоянию преобразования. |
rejection_resample
rejection_resample(
class_func, target_dist, initial_dist=None, seed=None, name=None
) -> 'DatasetV2'
Перевыборка элементов для достижения целевого распределения.
Примечание: Это реализация может отклонять или повторять элементы, чтобы достичьtarget_dist. Поэтому в некоторых случаях выходнойDatasetможет быть больше, чем входнойDataset.
initial_dist = [0.6, 0.4] n = 1000 elems = np.random.choice(len(initial_dist), size=n, p=initial_dist) dataset = tf.data.Dataset.from_tensor_slices(elems) zero, one = np.bincount(list(dataset.as_numpy_iterator())) / n
Вытекающее из initial_dist, zero составляет примерно 0,6, а one составляет примерно 0,4.
target_dist = [0.5, 0.5] dataset = dataset.rejection_resample( class_func=lambda x: x, target_dist=target_dist, initial_dist=initial_dist) dataset = dataset.map(lambda class_func_result, data: data) zero, one = np.bincount(list(dataset.as_numpy_iterator())) / n
Вытекающее из target_dist, zero составляет примерно 0,5, а one составляет примерно 0,5.
| Аргументы | |
|---|---|
class_func | Функция, отображающая элемент входного набора данных в скалярный tf.int32 тензор. Значения должны быть в [0, num_classes). |
target_dist | Тензор с плавающей точкой, имеющий форму [num_classes]. |
initial_dist | (Необязательно.) Тензор с плавающей точкой, имеющий форму [num_classes]. Если он не указан, истинное распределение классов оценивается в потоковом режиме. |
seed | (Необязательно.) Целочисленное значение в Python для генератора перевыборки. |
name | (Необязательно.) Имя операции tf.data. |
| Возвращаемое значение | |
|---|---|
Новый Dataset с применённым преобразованием, как описано выше. |
repeat
repeat(
count=None, name=None
) -> 'DatasetV2'
Повторяет этот набор данных так, чтобы каждый исходный элемент был виден count раз.
dataset = tf.data.Dataset.from_tensor_slices([1, 2, 3]) dataset = dataset.repeat(3) list(dataset.as_numpy_iterator()) [1, 2, 3, 1, 2, 3, 1, 2, 3]
Примечание: Если входной набор данных зависит от глобального состояния (например, генератор случайных чисел) или его выходной результат не детерминирован (например, из-за upstream shuffle), разные повторения могут создавать разные элементы.
| Аргументы | |
|---|---|
count | (Необязательно.) Скалярный tf.int64 tf.Tensor, представляющий количество раз, которое набор данных должен быть повторён. По умолчанию (если count равно None или -1) набор данных повторяется бесконечно. |
name | (Необязательно.) Имя операции tf.data. |
| Возвращаемое значение | |
|---|---|
Новый Dataset с применённым преобразованием, как описано выше. |
sample_from_datasets
@staticmethod
sample_from_datasets(
datasets,
weights=None,
seed=None,
stop_on_empty_dataset=False,
rerandomize_each_iteration=None
) -> 'DatasetV2'
Выборка элементов случайным образом из наборов данных в datasets.
Создаёт набор данных путём чередования элементов datasets с weight[i] вероятностью выбора элемента из набора данных i. Выборка осуществляется 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, что мы выбираем из этих 2 наборов данных с помощью следующих весов:
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 выборки из datasets[i], или объект tf.data.Dataset, где каждый элемент является таким списком. По умолчанию используется равномерное распределение по всем datasets. |
seed | (Необязательно.) Скалярный tf.int64 tf.Tensor, представляющий случайное семя, которое будет использоваться для создания распределения. См. tf.random.set_seed для получения информации о поведении. |
stop_on_empty_dataset | Если True, выборка останавливается, если она сталкивается с пустым набором данных. Если False, она продолжает выборку и пропускает любые пустые наборы данных. Рекомендуется установить его в True. В противном случае распределение выборок вначале соответствует намерениям пользователя, но может измениться, поскольку входные наборы данных становятся пустыми. Это может быть трудно обнаружить, так как набор данных сначала выглядит правильно. По умолчанию устанавливается в False для обеспечения обратной совместимости. |
rerandomize_each_iteration | Необязательный bool. Логическое значение аргумента управляет тем, будет ли последовательность случайных чисел, используемых для определения набора данных, из которого нужно выбирать, переслучайниваться на каждой эпохе. То есть, оно определяет, будут ли наборы данных выбираться в одном и том же порядке в разных эпохах (по умолчанию) или нет. |
| Возвращаемое значение | |
|---|---|
Набор данных, в котором элементы из datasets чередуются случайным образом в соответствии с weights, если оно предоставлено, в противном случае с равномерной вероятностью. |
| Исключения | |
|---|---|
TypeError | Если аргументы datasets или weights имеют неверный тип. |
ValueError |
|
save
save(
path, compression=None, shard_func=None, checkpoint_args=None
)
Сохраняет содержимое заданного набора данных.
Пример использования:
import tempfile path = os.path.join(tempfile.gettempdir(), "saved_data") # Save a dataset dataset = tf.data.Dataset.range(2) dataset.save(path) new_dataset = tf.data.Dataset.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 выходные данные набора данных делятся на фрагменты в режиме круговой очереди, но можно указать пользовательское разбиение на фрагменты с помощью функции shard_func. Например, вы можете сохранить набор данных, используя один фрагмент следующим образом:
dataset = make_dataset()
def custom_shard_func(element):
return np.int64(0)
dataset.save(
path="/path/to/data", ..., shard_func=custom_shard_func)
Чтобы включить контрольные точки, 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 измениться. По этой причине наборы данных, сохранённые с помощьюtf.data.Dataset.save, должны потребляться только с помощьюtf.data.Dataset.load, что гарантирует обратную совместимость.
| Аргументы | |
|---|---|
path | Обязательно. 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 файловыми фрагментами. Ожидается, что функция будет отображать элементы входного набора данных в идентификаторы фрагментов int64. При наличии 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, контрольные точки не будут созданы. Реализация save() создаёт объект tf.train.Checkpoint внутри, поэтому пользователи не должны устанавливать аргумент checkpoint в checkpoint_args. |
| Возвращаемое значение | |
|---|---|
| Операция, которая при выполнении выполняет сохранение. При записи контрольных точек возвращает None. Значение возврата полезно в тестах. |
| Исключения | |
|---|---|
ValueError, если checkpoint передано в checkpoint_args. |
scan
scan(
initial_state, scan_func, name=None
) -> 'DatasetV2'
Преобразование, которое сканирует функцию по входному набору данных.
Это преобразование — состоятельное относительно tf.data.Dataset.map. В дополнение к отображению scan_func по элементам входного набора данных, scan() накапливает один или несколько тензоров состояния, начальные значения которых — initial_state.
dataset = tf.data.Dataset.range(10) initial_state = tf.constant(0, dtype=tf.int64) scan_func = lambda state, i: (state + i, state + i) dataset = dataset.scan(initial_state=initial_state, scan_func=scan_func) list(dataset.as_numpy_iterator()) [0, 1, 3, 6, 10, 15, 21, 28, 36, 45]
| Аргументы | |
|---|---|
initial_state | Вложенная структура тензоров, представляющая начальное состояние аккумулятора. |
scan_func | Функция, которая отображает (old_state, input_element) на (new_state, output_element). Она должна принимать два аргумента и возвращать пару вложенных структур тензоров. Структура new_state должна соответствовать структуре initial_state. |
name | (Необязательно.) Имя операции tf.data. |
| Возвращаемое значение | |
|---|---|
Новый Dataset с применённым преобразованием, как описано выше. |
shard
shard(
num_shards, index, name=None
) -> 'DatasetV2'
Создаёт Dataset, содержащий только 1/num_shards элементов этого набора данных.
shard является детерминированным. Набор данных, созданный с помощью A.shard(n, i), будет содержать все элементы A, чей индекс при взятии остатка от деления на n равен i.
A = tf.data.Dataset.range(10) B = A.shard(num_shards=3, index=0) list(B.as_numpy_iterator()) [0, 3, 6, 9] C = A.shard(num_shards=3, index=1) list(C.as_numpy_iterator()) [1, 4, 7] D = A.shard(num_shards=3, index=2) list(D.as_numpy_iterator()) [2, 5, 8]
Этот оператор набора данных очень полезен при выполнении распределённого обучения, так как он позволяет каждому рабочему процессу читать уникальную подвыборку.
При чтении одного входного файла вы можете разбить элементы следующим образом:
d = tf.data.TFRecordDataset(input_file) d = d.shard(num_workers, worker_index) d = d.repeat(num_epochs) d = d.shuffle(shuffle_buffer_size) d = d.map(parser_fn, num_parallel_calls=num_map_threads)
Важные замечания:
- Убедитесь, что вы разбили набор данных перед применением любого оператора случайного выбора (например, shuffle).
- Обычно лучше всего использовать оператор shard в начале конвейера набора данных. Например, при чтении из набора файлов TFRecord, разбейте набор данных перед преобразованием набора данных в входные примеры. Это предотвращает чтение каждого файла на каждом рабочем узле. Ниже приведён пример эффективной стратегии разбиения набора данных в полном конвейере:
d = Dataset.list_files(pattern, shuffle=False)
d = d.shard(num_workers, worker_index)
d = d.repeat(num_epochs)
d = d.shuffle(shuffle_buffer_size)
d = d.interleave(tf.data.TFRecordDataset,
cycle_length=num_readers, block_length=1)
d = d.map(parser_fn, num_parallel_calls=num_map_threads)
| Аргументы | |
|---|---|
num_shards | Скалярный тензор tf.int64 tf.Tensor, представляющий количество фрагментов, работающих параллельно. |
index | Скалярный тензор tf.int64 tf.Tensor, представляющий индекс рабочего узла. |
name | (Необязательно.) Имя операции tf.data. |
| Возвращаемое значение | |
|---|---|
Новый Dataset с применённым преобразованием, как описано выше. |
| Исключения | |
|---|---|
InvalidArgumentError | если num_shards или index имеют недопустимые значения. Примечание: проверка ошибок выполняется в лучшем случае, и ошибки не гарантируются при создании набора данных. (например, предоставление плацехолдера вместо тензора обходит раннюю проверку, и вместо этого приведёт к ошибке во время вызова session.run.) |
shuffle
shuffle(
buffer_size, seed=None, reshuffle_each_iteration=None, name=None
) -> 'DatasetV2'
Случайно перемешивает элементы этого набора данных.
Этот набор данных заполняет буфер buffer_size элементами, а затем случайным образом выбирает элементы из этого буфера, заменяя выбранные элементы новыми элементами. Для идеального перемешивания требуется размер буфера, больше или равный полному размеру набора данных.
Например, если ваш набор данных содержит 10 000 элементов, но buffer_size установлено в 1000, то shuffle изначально выберет случайный элемент только из первых 1000 элементов в буфере. После выбора элемента его место в буфере заменяется следующим элементом (т.е. 1001-м), сохраняя буфер из 1000 элементов.
reshuffle_each_iteration контролирует, должны ли быть порядки перемешивания разными для каждой эпохи. В TF 1.X стандартный способ создания эпох был через преобразование repeat:
dataset = tf.data.Dataset.range(3) dataset = dataset.shuffle(3, reshuffle_each_iteration=True) dataset = dataset.repeat(2) # [1, 0, 2, 1, 2, 0] dataset = tf.data.Dataset.range(3) dataset = dataset.shuffle(3, reshuffle_each_iteration=False) dataset = dataset.repeat(2) # [1, 0, 2, 1, 0, 2]
В TF 2.0 объекты tf.data.Dataset являются итерируемыми объектами Python, что позволяет создавать эпохи также с помощью итерации по Python:
dataset = tf.data.Dataset.range(3) dataset = dataset.shuffle(3, reshuffle_each_iteration=True) list(dataset.as_numpy_iterator()) # [1, 0, 2] list(dataset.as_numpy_iterator()) # [1, 2, 0]
dataset = tf.data.Dataset.range(3) dataset = dataset.shuffle(3, reshuffle_each_iteration=False) list(dataset.as_numpy_iterator()) # [1, 0, 2] list(dataset.as_numpy_iterator()) # [1, 0, 2]
Полное перемешивание всех данных
Для перемешивания всего набора данных установите buffer_size=dataset.cardinality(). Это эквивалентно установлению buffer_size, равному количеству элементов в наборе данных, что приводит к равномерному перемешиванию.
Примечание: shuffle(dataset.cardinality()) загружает весь набор данных в память, чтобы его можно было перемешать. Это приведёт к ошибке переполнения памяти (OOM), если набор данных слишком большой, поэтому полное перемешивание следует использовать только для наборов данных, которые помещаются в оперативную память, таких как наборы данных с именами файлов или другие небольшие наборы данных.
dataset = tf.data.Dataset.range(20) dataset = dataset.shuffle(dataset.cardinality()) # [18, 4, 9, 2, 17, 8, 5, 10, 0, 6, 16, 3, 19, 7, 14, 11, 15, 13, 12, 1]
| Аргументы | |
|---|---|
buffer_size | Скалярный тензор tf.int64 tf.Tensor, представляющий количество элементов из этого набора данных, из которых новый набор данных будет выбирать. Для равномерного перемешивания всего набора данных используйте buffer_size=dataset.cardinality(). |
seed | (Необязательно.) Скалярный тензор tf.int64 tf.Tensor, представляющий случайное семя, которое будет использовано для создания распределения. См. tf.random.set_seed для поведения. |
reshuffle_each_iteration | (Необязательно.) Булево значение, которое, если оно истинно, указывает, что набор данных должен быть псевдослучайным образом перемешивается каждый раз, когда он перебирается. (По умолчанию True.) |
name | (Необязательно.) Имя операции tf.data. |
| Возвращаемое значение | |
|---|---|
Новый Dataset с применённым преобразованием, как описано выше. |
skip
skip(
count, name=None
) -> 'DatasetV2'
Создаёт Dataset, пропускающий count элементов из этого набора данных.
dataset = tf.data.Dataset.range(10) dataset = dataset.skip(7) list(dataset.as_numpy_iterator()) [7, 8, 9]
| Аргументы | |
|---|---|
count | Скалярный тензор tf.int64 tf.Tensor, представляющий количество элементов этого набора данных, которые нужно пропустить для формирования нового набора данных. Если count больше размера этого набора данных, новый набор данных не будет содержать элементов. Если count равно -1, пропускается весь набор данных. |
name | (Необязательно.) Имя операции tf.data. |
| Возвращаемое значение | |
|---|---|
Новый Dataset с применённым преобразованием, как описано выше. |
snapshot
snapshot(
path,
compression='AUTO',
reader_func=None,
shard_func=None,
name=None
) -> 'DatasetV2'
API для сохранения результата входного набора данных.
API snapshot позволяет пользователям прозрачно сохранять вывод своего конвейера предобработки на диск и материализовать предобработанные данные в другом ходе обучения.
Этот API позволяет объединить повторяющиеся шаги предобработки и позволяет повторно использовать уже обработанные данные, меняя хранение на диске и пропускную способность сети на более ценные ресурсы процессора и вычисления ускорителя.
https://github.com/tensorflow/community/blob/master/rfcs/20200107-tf-data-snapshot.md содержит подробную документацию по проектированию этой функции.
Пользователи могут указывать различные параметры для управления поведением snapshot, включая то, как считываются и записываются снимки, передавая пользовательские функции в параметры reader_func и shard_func.
shard_func — это задаваемая пользователем функция, которая отображает входные элементы на фрагменты снимков.
Пользователям может потребоваться указать эту функцию, чтобы управлять тем, как файлы снимков должны записываться на диск. Ниже приведён пример записи потенциальной функции shard_func.
dataset = ...
dataset = dataset.enumerate()
dataset = dataset.snapshot("/path/to/snapshot/dir",
shard_func=lambda x, y: x % NUM_SHARDS, ...)
dataset = dataset.map(lambda x, y: y)
reader_func — это задаваемая пользователем функция, которая принимает один аргумент: (1) набор данных наборов данных, каждый из которых представляет «раздел» элементов исходного набора данных. Мощность входного набора данных соответствует числу фрагментов, указанных в shard_func (см. выше). Функция должна возвращать набор данных элементов исходного набора данных.
Пользователи могут указать эту функцию для управления тем, как считывать файлы снимков с диска, включая степень перемешивания и параллелизма.
Вот пример стандартной функции чтения, которую может определить пользователь. Эта функция позволяет перемешать набор данных и параллельно считывать наборы данных:
def user_reader_func(datasets):
# shuffle the datasets splits
datasets = datasets.shuffle(NUM_CORES)
# read datasets in parallel and interleave their elements
return datasets.interleave(lambda x: x, num_parallel_calls=AUTOTUNE)
dataset = dataset.snapshot("/path/to/snapshot/dir",
reader_func=user_reader_func)
По умолчанию snapshot параллелизует чтение по количеству ядер, доступных в системе, но не будет пытаться перемешать данные.
END_OF_DOCUMENT_MARKER| Аргументы | |
|---|---|
path | Обязательно. Каталог для хранения/загрузки моментального снимка. |
compression | Необязательно. Тип сжатия, применяемый к моментальному снимку, записанному на диск. Поддерживаемые варианты — GZIP, SNAPPY, AUTO или None. По умолчанию используется AUTO, который пытается выбрать подходящий алгоритм сжатия для набора данных. |
reader_func | Необязательно. Функция для управления чтением данных из фрагментов моментального снимка. |
shard_func | Необязательно. Функция для управления фрагментацией данных при записи моментального снимка. |
name | (Необязательно.) Имя для операции tf.data. |
| Возвращаемые значения | |
|---|---|
Новый Dataset с применённым преобразованием, как описано выше. |
sparse_batch
sparse_batch(
batch_size, row_shape, name=None
) -> 'DatasetV2'
Объединяет последовательные элементы в tf.sparse.SparseTensor.
Подобно Dataset.padded_batch(), это преобразование объединяет несколько последовательных элементов набора данных, которые могут иметь разные формы, в один элемент. Результирующий элемент имеет три компонента (indices, values и dense_shape), которые образуют tf.sparse.SparseTensor, представляющий те же данные. row_shape представляет плотную форму каждой строки в результирующем tf.sparse.SparseTensor, к которому добавляется эффективное размерность пакета. Например:
# NOTE: The following examples use `{ ... }` to represent the
# contents of a dataset.
a = { ['a', 'b', 'c'], ['a', 'b'], ['a', 'b', 'c', 'd'] }
a.apply(tf.data.experimental.dense_to_sparse_batch(
batch_size=2, row_shape=[6])) ==
{
([[0, 0], [0, 1], [0, 2], [1, 0], [1, 1]], # indices
['a', 'b', 'c', 'a', 'b'], # values
[2, 6]), # dense_shape
([[0, 0], [0, 1], [0, 2], [0, 3]],
['a', 'b', 'c', 'd'],
[1, 6])
}
| Аргументы | |
|---|---|
batch_size | Скалярный tf.int64 tf.Tensor, представляющий количество последовательных элементов этого набора данных, которые необходимо объединить в один пакет. |
row_shape | tf.TensorShape или tf.int64 вектор-подобный объект, представляющий эквивалентную плотную форму строки в результирующем tf.sparse.SparseTensor. Каждый элемент этого набора данных должен иметь тот же ранг, что и row_shape, и должен иметь размер меньше или равен row_shape в каждой размерности. |
name | (Необязательно.) Строка, указывающая имя операции tf.data. |
| Возвращаемые значения | |
|---|---|
Новый Dataset с применённым преобразованием, как описано выше. |
take
take(
count, name=None
) -> 'DatasetV2'
Создаёт Dataset с не более чем count элементами из этого набора данных.
dataset = tf.data.Dataset.range(10) dataset = dataset.take(3) list(dataset.as_numpy_iterator()) [0, 1, 2]
| Аргументы | |
|---|---|
count | Скалярный tf.int64 tf.Tensor, представляющий количество элементов этого набора данных, которые необходимо взять для формирования нового набора данных. Если count равно -1, или если count больше размера этого набора данных, новый набор данных будет содержать все элементы этого набора данных. |
name | (Необязательно.) Имя для операции tf.data. |
| Возвращаемые значения | |
|---|---|
Новый Dataset с применённым преобразованием, как описано выше. |
take_while
take_while(
predicate, name=None
) -> 'DatasetV2'
Преобразование, которое останавливает итерацию набора данных на основе predicate.
dataset = tf.data.Dataset.range(10) dataset = dataset.take_while(lambda x: x < 5) list(dataset.as_numpy_iterator()) [0, 1, 2, 3, 4]
| Аргументы | |
|---|---|
predicate | Функция, которая отображает вложенную структуру тензоров (с формами и типами, определёнными self.output_shapes и self.output_types) в скалярный tf.bool тензор. |
name | (Необязательно.) Имя для операции tf.data. |
| Возвращаемые значения | |
|---|---|
Новый Dataset с применённым преобразованием, как описано выше. |
unbatch
unbatch(
name=None
) -> 'DatasetV2'
Разделяет элементы набора данных на несколько элементов.
Например, если элементы набора данных имеют форму [B, a0, a1, ...], где B может изменяться для каждого входного элемента, то для каждого элемента в наборе данных, набор данных без группировки будет содержать B последовательных элементов формы [a0, a1, ...].
elements = [ [1, 2, 3], [1, 2], [1, 2, 3, 4] ] dataset = tf.data.Dataset.from_generator(lambda: elements, tf.int64) dataset = dataset.unbatch() list(dataset.as_numpy_iterator()) [1, 2, 3, 1, 2, 1, 2, 3, 4]
Примечание:unbatchтребует копирования данных для разделения пакетного тензора на более мелкие, не сгруппированные тензоры. При оптимизации производительности старайтесь избегать ненужного использованияunbatch.
| Аргументы | |
|---|---|
name | (Необязательно.) Имя для операции tf.data. |
| Возвращаемые значения | |
|---|---|
Новый Dataset с применённым преобразованием, как описано выше. |
unique
unique(
name=None
) -> 'DatasetV2'
Преобразование, которое отбрасывает дублирующие элементы набора Dataset.
Используйте это преобразование, чтобы получить набор данных, содержащий один экземпляр каждого уникального элемента на входе. Например:
dataset = tf.data.Dataset.from_tensor_slices([1, 37, 2, 37, 2, 1]) dataset = dataset.unique() sorted(list(dataset.as_numpy_iterator())) [1, 2, 37]
Примечание: Это преобразование поддерживает только наборы данных, которые помещаются в память, и имеют элементы типаtf.int32,tf.int64илиtf.string.
| Аргументы | |
|---|---|
name | (Необязательно.) Имя для операции tf.data. |
| Возвращаемые значения | |
|---|---|
Новый Dataset с применённым преобразованием, как описано выше. |
window
window(
size, shift=None, stride=1, drop_remainder=False, name=None
) -> 'DatasetV2'
Возвращает набор данных «окон».
Каждое «окно» — это набор данных, содержащий подмножество элементов входного набора данных. Это конечные наборы данных размером size (или, возможно, меньше, если нет достаточно элементов входных данных, чтобы заполнить окно, и drop_remainder оценивается как False).
Например:
dataset = tf.data.Dataset.range(7).window(3) for window in dataset: print(window) <...Dataset element_spec=TensorSpec(shape=(), dtype=tf.int64, name=None)> <...Dataset element_spec=TensorSpec(shape=(), dtype=tf.int64, name=None)> <...Dataset element_spec=TensorSpec(shape=(), dtype=tf.int64, name=None)>
Так как окна являются наборами данных, их можно перебирать:
for window in dataset: print(list(window.as_numpy_iterator())) [0, 1, 2] [3, 4, 5] [6]
Смещение
Аргумент shift определяет количество входных элементов, которые необходимо сдвинуть между началом каждого окна. Если окна и элементы оба пронумерованы, начиная с 0, то первый элемент в окне k будет элементом k * shift входного набора данных. В частности, первый элемент первого окна всегда будет первым элементом входного набора данных.
dataset = tf.data.Dataset.range(7).window(3, shift=1,
drop_remainder=True)
for window in dataset:
print(list(window.as_numpy_iterator()))
[0, 1, 2]
[1, 2, 3]
[2, 3, 4]
[3, 4, 5]
[4, 5, 6]Шаг
Аргумент stride определяет шаг между входными элементами в пределах окна.
dataset = tf.data.Dataset.range(7).window(3, shift=1, stride=2,
drop_remainder=True)
for window in dataset:
print(list(window.as_numpy_iterator()))
[0, 2, 4]
[1, 3, 5]
[2, 4, 6]Вложенные элементы
Когда преобразование window применяется к набору данных, чьи элементы являются вложенными структурами, оно создаёт набор данных, где элементы имеют ту же вложенную структуру, но каждый лист заменяется окном. Другими словами, вложенность применяется вне окон, а не внутри них.
Подпись типа:
def window(
self: Dataset[Nest[T]], ...
) -> Dataset[Nest[Dataset[T]]]
Применение window к набору данных кортежей даёт кортеж окон:
dataset = tf.data.Dataset.from_tensor_slices(([1, 2, 3, 4, 5],
[6, 7, 8, 9, 10]))
dataset = dataset.window(2)
windows = next(iter(dataset))
windows
(<...Dataset element_spec=TensorSpec(shape=(), dtype=tf.int32, name=None)>,
<...Dataset element_spec=TensorSpec(shape=(), dtype=tf.int32, name=None)>)def to_numpy(ds): return list(ds.as_numpy_iterator()) for windows in dataset: print(to_numpy(windows[0]), to_numpy(windows[1])) [1, 2] [6, 7] [3, 4] [8, 9] [5] [10]
Применение window к набору данных словарей даёт словарь окон:
dataset = tf.data.Dataset.from_tensor_slices({'a': [1, 2, 3],
'b': [4, 5, 6],
'c': [7, 8, 9]})
dataset = dataset.window(2)
def to_numpy(ds):
return list(ds.as_numpy_iterator())
for windows in dataset:
print(tf.nest.map_structure(to_numpy, windows))
{'a': [1, 2], 'b': [4, 5], 'c': [7, 8]}
{'a': [3], 'b': [6], 'c': [9]}Уплощение набора окон
Методы Dataset.flat_map и Dataset.interleave могут использоваться для уплощения набора окон в один набор.
Аргумент для flat_map — это функция, которая принимает элемент из набора данных и возвращает Dataset. flat_map последовательно связывает полученные наборы данных.
Например, для преобразования каждого окна в плотный тензор:
dataset = tf.data.Dataset.range(7).window(3, shift=1,
drop_remainder=True)
batched = dataset.flat_map(lambda x:x.batch(3))
for batch in batched:
print(batch.numpy())
[0 1 2]
[1 2 3]
[2 3 4]
[3 4 5]
[4 5 6]| Аргументы | |
|---|---|
size |
Скалярный tf.int64 tf.Tensor, представляющий количество элементов входного набора данных, объединяемых в окно. Должно быть положительным. |
shift |
(Необязательно) Скалярный tf.int64 tf.Tensor, представляющий количество входных элементов, на которые сдвигается окно в каждом шаге. По умолчанию size. Должно быть положительным. |
stride |
(Необязательно) Скалярный tf.int64 tf.Tensor, представляющий шаг входных элементов в скользящем окне. Значение по умолчанию 1 означает "сохранить каждый входной элемент". |
drop_remainder |
(Необязательно) Скалярный tf.bool tf.Tensor, определяющий, следует ли пропускать последние окна, если их размер меньше size. |
name |
(Необязательно) Имя операции tf.data. |
| Возвращает | |
|---|---|
Новый Dataset с применённым преобразованием, как описано выше. |
with_options
with_options(
options, name=None
) -> 'DatasetV2'
Возвращает новый tf.data.Dataset с заданными параметрами.
Параметры «глобальны» в том смысле, что они применяются ко всему набору данных. Если параметры задаются несколько раз, они объединяются, если разные параметры не используют различные значения, отличные от значений по умолчанию.
ds = tf.data.Dataset.range(5)
ds = ds.interleave(lambda x: tf.data.Dataset.range(5),
cycle_length=3,
num_parallel_calls=3)
options = tf.data.Options()
# This will make the interleave order non-deterministic.
options.deterministic = False
ds = ds.with_options(options)| Аргументы | |
|---|---|
options |
tf.data.Options, определяющий используемые параметры. |
name |
(Необязательно) Имя операции tf.data. |
| Возвращает | |
|---|---|
Новый Dataset с применённым преобразованием, как описано выше. |
| Исключения | |
|---|---|
ValueError |
, если параметр установлен более одного раза с нестандартным значением |
zip
@staticmethod
zip(
*args, datasets=None, name=None
) -> 'DatasetV2'
Создаёт Dataset путём объединения заданных наборов данных.
Этот метод имеет аналогичную семантику встроенной функции zip() в Python, с основным отличием, заключающимся в том, что аргумент datasets может быть (вложенной) структурой объектов Dataset. Поддерживаемые механизмы вложенности описаны здесь.
# The datasets or nested structure of datasets `*args` argument
# determines the structure of elements in the resulting dataset.
a = tf.data.Dataset.range(1, 4) # ==> [ 1, 2, 3 ]
b = tf.data.Dataset.range(4, 7) # ==> [ 4, 5, 6 ]
ds = tf.data.Dataset.zip(a, b)
list(ds.as_numpy_iterator())
[(1, 4), (2, 5), (3, 6)]
ds = tf.data.Dataset.zip(b, a)
list(ds.as_numpy_iterator())
[(4, 1), (5, 2), (6, 3)]
# The `datasets` argument may contain an arbitrary number of datasets.
c = tf.data.Dataset.range(7, 13).batch(2) # ==> [ [7, 8],
# [9, 10],
# [11, 12] ]
ds = tf.data.Dataset.zip(a, b, c)
for element in ds.as_numpy_iterator():
print(element)
(1, 4, array([7, 8]))
(2, 5, array([ 9, 10]))
(3, 6, array([11, 12]))
# The number of elements in the resulting dataset is the same as
# the size of the smallest dataset in `datasets`.
d = tf.data.Dataset.range(13, 15) # ==> [ 13, 14 ]
ds = tf.data.Dataset.zip(a, d)
list(ds.as_numpy_iterator())
[(1, 13), (2, 14)]| Аргументы | |
|---|---|
*args |
Наборы данных или вложенные структуры наборов данных для объединения. Не может быть установлено, если datasets установлено. |
datasets |
(Вложенная) структура наборов данных. Не может быть установлено, если *args установлено. Обратите внимание, что это существует только для обратной совместимости, и предпочтительнее использовать *args. |
name |
(Необязательно) Имя операции tf.data. |
| Возвращает | |
|---|---|
Новый Dataset с применённым преобразованием, как описано выше. |
__bool__
__bool__()
__iter__
Создаёт итератор для элементов данного набора данных.
Возвращаемый итератор реализует протокол Python Iterator.
| Возвращает | |
|---|---|
tf.data.Iterator для элементов данного набора данных. |
| Исключения | |
|---|---|
RuntimeError |
Если не внутри tf.function и не выполняется в режиме eager. |
__len__
__len__()
Возвращает длину набора данных, если она известна и конечна.
Этот метод требует, чтобы вы работали в режиме eager и чтобы длина набора данных была известна и не бесконечна. Если длина может быть неизвестной или бесконечной, или если вы работаете в режиме графа, используйте tf.data.Dataset.cardinality вместо этого.
| Возвращает | |
|---|---|
| Целое число, представляющее длину набора данных. |
| Исключения | |
|---|---|
RuntimeError |
Если длина набора данных неизвестна или бесконечна, или если режим eager не включен. |
__nonzero__
__nonzero__()
© 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/TFRecordDataset