Spec-Zone.ru › TensorFlow

tf.experimental.dtensor.DTensorDataset

Набор данных DTensors.

Наследуется от: Dataset

tf.experimental.dtensor.DTensorDataset(
    dataset: data_types.DatasetV2,
    *,
    mesh: tf.experimental.dtensor.Mesh,
    layouts: Any,
    global_batch_size: int,
    dataset_already_batched: bool = False,
    batch_dim: Optional[str] = None,
    prefetch: Optional[int] = None,
    tf_data_service_config: Optional[TFDataServiceConfig] = None
)

DTensorDataset encapsulates a tf.data.Dataset, элементы которого автоматически упаковываются и возвращаются как DTensors на основе заданной сетки и макетов.

Аргументы
dataset объект tf.data.Dataset.
mesh сетка DTensor для размещения пакетов набора данных.
layouts структура макетов DTensor, которые должны применяться к значениям входного набора данных. Это может быть один макет или (возможно, вложенные) кортежи или словари макетов, структура которых должна соответствовать структуре набора данных. Все или ни один из макетов должны быть фрагментированы по размеру пакета; наличие только подмножества фрагментированных макетов по размеру пакета не сработает и вызовет ValueError.
global_batch_size желаемый глобальный размер пакета.
dataset_already_batched должно быть установлено только в том случае, если набор данных уже разбит на пакеты по размеру пакета на реплику. В разбитном наборе данных должно быть установлено значение drop_remainder=True, так как DTensor требует статических форм для нарезки входных тензоров.
batch_dim размерность сетки, по которой фрагментируется размер пакета входных данных. Устанавливается в None, если входные макеты не фрагментированы по размеру пакета.
prefetch количество пакетов для предварительной обработки с помощью Dataset.prefetch.
tf_data_service_config если режим работы в многоклиентском режиме, эта конфигурация определяет конфигурацию tf.data service для использования.
Исключения
ValueError при любой из следующих ситуаций:
  1. если структуры и ранги макетов и набора данных не совпадают.
  2. если формы в спецификации набора данных не полностью определены.
  3. если batch_dim указан и все макеты не фрагментированы по размеру пакета.
  4. если per_replica_batch_size указан для уже разбитого на пакеты набора данных, но не совпадает с ожидаемым размером на реплику на основе предоставленной сетки.
TypeError если типы структур макетов и набора данных не совпадают.
Атрибуты
element_spec Спецификация типа элемента этого набора данных.
dataset = tf.data.Dataset.from_tensor_slices([1, 2, 3])
dataset.element_spec
TensorSpec(shape=(), dtype=tf.int32, name=None)

Для получения дополнительной информации, ознакомьтесь с этим руководством.

Методы

apply

Просмотр исходного кода

apply(
    transformation_func
) -> 'DatasetV2'

Применяет функцию преобразования к этому набору данных.

apply позволяет объединять пользовательские Dataset преобразования, которые представлены как 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.
Возвращаемое значение
Новый Dataset с применённым преобразованием, как описано выше.

as_numpy_iterator

Просмотр исходного кода

as_numpy_iterator()

Возвращает итератор, который преобразует все элементы набора данных в NumPy.

Используйте as_numpy_iterator, чтобы проверить содержимое вашего набора данных. Чтобы увидеть формы и типы элементов, печатайте элементы набора данных напрямую, а не используйте 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 выполняли операцию в режиме eager, а спецификация элемента набора данных содержала 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
Возвращаемое значение
Итерируемый объект по элементам набора данных, с тензорами, преобразованными в массивы NumPy.
Исключения
TypeError если элемент содержит не-Tensor значение.
RuntimeError если выполнение eager отключено.

batch

Просмотр исходного кода

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 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 равно False). Если ваша программа зависит от того, что у пакетов одинаковое внешнее измерение, вы должны установить аргумент drop_remainder в True, чтобы предотвратить создание меньшего пакета.

Примечание: Если вашей программе требуется, чтобы данные имели статически известную форму (например, при использовании XLA), вы должны использовать drop_remainder=True. Без drop_remainder=True форма выходного набора данных будет иметь неизвестное ведущее измерение из-за возможности создания меньшего конечного пакета.
Аргументы
batch_size Скалярное значение типа tf.int64 tf.Tensor, представляющее количество последовательных элементов этого набора данных, объединяемых 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 для вычисления асинхронно параллельно. Если не указано, партии будут вычисляться последовательно. Если используется значение tf.data.AUTOTUNE, то количество параллельных вызовов динамически настраивается на основе доступных ресурсов.
deterministic (Необязательно.) При указании num_parallel_calls, если указан этот булевый параметр (True или False), он управляет порядком, в котором преобразование генерирует элементы. Если установлено значение False, преобразованию разрешено генерировать элементы вне порядка, чтобы поменять детерминированность на производительность. Если не указано, поведение определяется параметром tf.data.Options.deterministic (по умолчанию True).
name Имя операции tf.data.
Возвращаемое значение
Новый Dataset с применённым преобразованием, как описано выше.

bucket_by_sequence_length

Посмотреть исходный код

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, элементы которых имеют переменную длину. Группировка элементов с аналогичными длинами уменьшает общую долю заполнения в партии, что повышает эффективность шага обучения.

Ниже приведён пример букетизации входных данных по 3 корзинам "[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, преобразующая элемент из Dataset в tf.int32, определяющая длину элемента, которая определяет корзину, в которую он попадает.
bucket_boundaries list<int>, верхние границы длины корзин.
bucket_batch_sizes list<int>, размер партии на 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 использовано значение dataset.output_shapes, что приведёт к заполнению измерений переменной длины 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, будут заполнены измерения с неизвестным размером до максимальной длины в партии. Если True, будут заполнены измерения с неизвестным размером до границы корзины минус 1 (т.е. максимальной длины в каждой корзине), и вызывающий должен гарантировать, что исходный Dataset не содержит элементов с длиной, большей, чем max(bucket_boundaries).
no_padding bool, указывает, следует ли заполнять параметры партии (параметры 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

Посмотреть исходный код

cache(
    filename='', name=None
) -> 'DatasetV2'

Кэширует элементы в этом наборе данных.

При первом проходе по набору данных его элементы кэшируются либо в указанном файле, либо в оперативной памяти. При последующих итерациях будут использоваться кэшированные данные.

Примечание: Для гарантии завершения кэширования, входной набор данных должен быть полностью пройден до поднятия исключения 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 сохраняются между запусками. Даже первый проход по данным будет читать из кэша. Изменение входной цепочки данных до вызова .cache() не повлияет, пока файл кэша не будет удалён или не будет изменено имя 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: cache обеспечит точно такие же элементы при каждой итерации по набору данных. Если вы хотите случайный порядок итерации, убедитесь, что вы вызываете shuffle после вызова cache.
Аргументы
filename Скалярное значение типа tf.string tf.Tensor, представляющее имя каталога в файловой системе, которое будет использоваться 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

Посмотреть исходный код

cardinality()

Возвращает мощность набора данных, если она известна.

cardinality может вернуть tf.data.INFINITE_CARDINALITY, если набор данных содержит бесконечное число 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

Посмотреть исходный код

@staticmethod
choose_from_datasets(
    datasets, choice_dataset, stop_on_empty_dataset=True
) -> 'DatasetV2'

Создаёт набор данных, который детерминированно выбирает элементы из datasets.

Например, заданы 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 Набор данных 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 True. В противном случае выбранные элементы вначале соответствуют намерениям пользователя, но могут измениться по мере того, как входные наборы данных становятся пустыми. Это может быть трудно обнаружить, поскольку набор данных сперва выглядит правильно. По умолчанию True.
Возвращаемое значение
Новый Dataset с применённым преобразованием, как описано выше.
Возвращает исключение
TypeError Если datasets или choice_dataset имеют неправильный тип.
ValueError Если datasets пусто.

concatenate

Просмотреть исходный код

concatenate(
    dataset, name=None
) -> 'DatasetV2'

Создает Dataset, конкатенируя заданный 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 Dataset для конкатенации.
name (Необязательно.) Имя операции tf.data.
Возвращаемое значение
Новый Dataset с применённой, как описано выше, трансформацией.

counter

Просмотреть исходный код

@staticmethod
counter(
    start=0,
    step=1,
    dtype=tf.dtypes.int64,
    name=None
) -> 'DatasetV2'

Создает Dataset, считающий от start с шагом step.

В отличие от tf.data.Dataset.range, который останавливается на определенном конечном числе, tf.data.Dataset.counter генерирует элементы бесконечно.

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 счётчика. По умолчанию 0.
step (Необязательно.) Шаг счётчика. По умолчанию 1.
dtype (Необязательно.) Тип данных элементов счётчика. По умолчанию tf.int64.
name (Необязательно.) Имя операции tf.data.
Возвращаемое значение
Dataset скалярных элементов типа dtype.

enumerate

Просмотреть исходный код

enumerate(
    start=0, name=None
) -> 'DatasetV2'

Перечисляет элементы этого набора данных.

Аналогично встроенной в Python функции enumerate.

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 Скалярное значение tf.int64 типа tf.Tensor, представляющее начальное значение для нумерации.
name Необязательно. Имя операций tf.data, используемых enumerate.
Возвращаемое значение
Новый Dataset с применённой, как описано выше, трансформацией.

filter

Просмотреть исходный код

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, сопоставляющая элемент набора данных булевому значению.
name (Необязательно.) Имя операции tf.data.
Возвращаемое значение
Новый Dataset с применённой, как описано выше, трансформацией.

fingerprint

Просмотреть исходный код

fingerprint()

Вычисляет отпечаток этого Dataset.

Если у двух наборов данных одинаковый отпечаток, гарантируется, что они будут генерировать идентичные элементы, при условии, что содержимое входных файлов не изменится и они генерируют данные детерминированно.

Однако два набора данных, генерирующие одинаковые значения, не всегда означают, что они имеют одинаковый отпечаток из-за разных структур графов.

Другими словами, если у двух наборов данных разные отпечатки, они все равно могут генерировать одинаковые значения.

Возвращаемое значение
Скалярный тензор tf.Tensor типа tf.uint64.

flat_map

Просмотреть исходный код

flat_map(
    map_func, name=None
) -> 'DatasetV2'

Применяет функцию к каждому элементу этого набора данных и уплощает 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 неизменным. Например, для уплощения набора данных из пакетов в набор 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() является обобщением flat_map, так как flat_map производит тот же результат, что и tf.data.Dataset.interleave(cycle_length=1)

Аргументы
map_func Функция, сопоставляющая элемент набора данных с набором данных.
name (Необязательно.) Имя операции tf.data.
Возвращаемое значение
Новый Dataset с применённой, как описано выше, трансформацией.

from_generator

Просмотреть исходный код

@staticmethod
from_generator(
    generator,
    output_types=None,
    output_shapes=None,
    args=None,
    output_signature=None,
    name=None
) -> 'DatasetV2'

Создаёт Dataset, элементы которого генерируются generator. (устаревшие аргументы)

Устаревшее: НЕКОТОРЫЕ АРГУМЕНТЫ УСТАРЕЛИ: (output_shapes, output_types). Они будут удалены в будущей версии. Инструкции по обновлению: Используйте output_signature вместо этого.
Примечание: Текущая реализация Dataset.from_generator() использует tf.numpy_function и наследует те же ограничения. В частности, она требует, чтобы операции, связанные с набором данных и итератором, располагались на устройстве в том же процессе, что и программа Python, вызвавшая Dataset.from_generator(). В частности, использование from_generator препятствует использованию службы tf.data для масштабирования обработки набора данных. Тело generator не будет сериализовано в GraphDef, и вы не должны использовать этот метод, если вам нужно сериализовать свою модель и восстановить её в другой среде.

Аргумент generator должен быть вызываемым объектом, который возвращает объект, поддерживающий протокол iter() (например, функцию-генератор).

Элементы, генерируемые generator, должны быть совместимы либо с указанным аргументом output_signature, либо с указанными аргументами output_types и (необязательно) output_shapes, в зависимости от того, какой из них 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, используя либо только аргумент output_types, либо вместе с аргументом output_shapes. В этом случае выход функции будет предполагаться состоящим из объектов tf.Tensor с типами, определёнными output_types, и формами, которые либо неизвестны, либо определены output_shapes.

Примечание: Если generator зависит от изменяемых глобальных переменных или другого внешнего состояния, имейте в виду, что среда выполнения может вызывать generator несколько раз (для поддержки повторения Dataset) и в любое время между вызовом Dataset.from_generator() и производством первого элемента из генератора. Изменение глобальных переменных или внешнего состояния может привести к неопределённому поведению, и мы рекомендуем явным образом кешировать любое внешнее состояние в generator перед вызовом Dataset.from_generator().
Примечание: Хотя параметр output_signature позволяет получать элементы Dataset, область применения Dataset.from_generator() должна быть ограничена логикой, которую нельзя выразить через операции tf.data. Использование операций tf.data внутри функции-генератора является антипаттерном и может привести к постепенному росту 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 generator.
output_shapes (Необязательно.) (Вложенная) структура объектов tf.TensorShape, соответствующих каждому компоненту элемента, возвращаемого generator.
args (Необязательно.) Кортеж объектов tf.Tensor, которые будут вычислены и переданы в generator в качестве аргументов массивов NumPy.
output_signature (Необязательно.) (Вложенная) структура объектов tf.TypeSpec, соответствующих каждому компоненту элемента, возвращаемого generator.
name (Необязательно.) Имя операций tf.data, используемых from_generator.
Возвращаемое значение
Dataset Объект Dataset.

from_tensor_slices

Посмотреть исходный код

@staticmethod
from_tensor_slices(
    tensors, name=None
) -> 'DatasetV2'

Создаёт Dataset, элементы которого являются слайсами 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, и выполнение в режиме eager отключено, значения будут внедрены в граф как одна или несколько операций tf.constant. Для больших наборов данных (> 1 ГБ) это может привести к неэффективному использованию памяти и столкновениям с ограничениями на размер графа при сериализации. 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. Поддерживаемые значения описаны здесь.
name (Необязательно.) Имя операции tf.data.
Возвращаемое значение
Dataset Объект Dataset.

from_tensors

Посмотреть исходный код

@staticmethod
from_tensors(
    tensors, name=None
) -> 'DatasetV2'

Создаёт Dataset с одним элементом, содержащим указанные тензоры.

from_tensors создаёт набор данных, содержащий только один элемент. Чтобы разбить входной тензор 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, и выполнение в режиме eager отключено, значения будут внедрены в граф как одна или несколько операций tf.constant. Для больших наборов данных (> 1 ГБ) это может привести к неэффективному использованию памяти и столкновениям с ограничениями на размер графа при сериализации. 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 операции tf.data.
Возвращаемое значение
Dataset Объект Dataset.

get_single_element

Посмотреть исходный код

get_single_element(
    name=None
)

Возвращает единственный элемент dataset.

Функция позволяет использовать tf.data.Dataset в бессостоятельном выражении «тензор-в-тензор-выход», не создавая итератор. Это упрощает преобразование данных для тензоров с использованием оптимизированной абстракции tf.data.Dataset поверх них.

Например, рассмотрим preprocessing_fn, который принимает на вход 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 приведенном выше примере тензор raw_features длины=BATCH_SIZE был преобразован в tf.data.Dataset. Затем каждый из raw_feature был обработан с помощью preprocessing_fn, а обработанные признаки были объединены в одну партию. Конечный dataset содержит только один элемент, который является партией 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(), чтобы пропустить создание итератора и напрямую вывести партию признаков.

Это может быть особенно полезно, когда ваши преобразования тензоров выражены как операции tf.data.Dataset, и вы хотите использовать эти преобразования при обслуживании своей 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 операции tf.data.
Возвращаемое значение
Вложенная структура объектов tf.Tensor, соответствующих единственному элементу dataset.
Исключения
InvalidArgumentError (во время выполнения) если dataset не содержит ровно один элемент.

group_by_window

Посмотреть исходный код

group_by_window(
    key_func, reduce_func, window_size=None, window_size_func=None, name=None
) -> 'DatasetV2'

Группирует окна элементов по ключу и сокращает 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 ключу. Все, кроме конечного окна для каждого ключа, будут содержать window_size_func(key) элементов; конечное окно может быть меньше.

Вы можете предоставить либо постоянный window_size, либо размер окна, определяемый ключом с помощью 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 tf.Tensor типа tf.int64, представляющий количество последовательных элементов, соответствующих одному ключу, которые объединить в одну партию, которая будет передана в reduce_func. Взаимоисключающее с window_size_func.
window_size_func Функция, сопоставляющая ключ со скалярным тензором tf.Tensor типа tf.int64, представляющий количество последовательных элементов, соответствующих одному ключу, которые объединить в одну партию, которая будет передана в reduce_func. Взаимоисключающее с window_size.
name (Необязательно.) Имя операции tf.data.
Возвращаемое значение
Новый Dataset с применённым преобразованием, как описано выше.
Исключения
ValueError если ни один, ни оба из {window_size, window_size_func} не переданы.

ignore_errors

Просмотреть исходный код

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 False.
name (Необязательно.) Строка, обозначающая имя операции tf.data.
Возвращаемое значение
Новый Dataset с применённым преобразованием, как описано выше.

interleave

Просмотреть исходный код

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.

Тип подписи:

def interleave(
  self: Dataset[T],
  map_func: Callable[[T], Dataset[S]]
) -> Dataset[S]

Например, можно использовать Dataset.interleave() для одновременной обработки многих входных файлов:

# 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 контролируют порядок получения элементов. cycle_length управляет количеством входных элементов, обрабатываемых параллельно. Если вы установите cycle_length в 1, это преобразование будет обрабатывать по одному входному элементу за раз, и даст идентичные результаты tf.data.Dataset.flat_map. В общем случае, это преобразование применит map_func к cycle_length входным элементам, откроет итераторы на возвращаемых Dataset объектах и пройдёт по ним, генерируя block_length последовательных элементов из каждого итератора, потребляя следующий входной элемент 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, генерируемых этим преобразованием, детерминирован, если map_func является чистой функцией и deterministic=True. Если map_func содержит какие-либо операции с состоянием, порядок доступа к этому состоянию не определён.

Производительность часто можно улучшить, установив num_parallel_calls, чтобы interleave использовал несколько потоков для извлечения элементов. Если детерминизм не требуется, можно улучшить производительность, установив 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 входных элементов, которые будут обрабатываться одновременно. Если не указано, среда выполнения tf.data определяет это значение на основе доступных ЦП. Если num_parallel_calls установлено в tf.data.AUTOTUNE, аргумент cycle_length определяет максимальную степень параллелизма.
block_length (Необязательно.) Количество последовательных элементов, которые будут генерироваться из каждого входного элемента перед переходом к другому входному элементу. Если не указано, по умолчанию равно 1.
num_parallel_calls (Необязательно.) Если задано, реализация создаёт пул потоков, который используется для асинхронного и параллельного извлечения данных из элементов цикла. По умолчанию данные из элементов цикла извлекаются синхронно без параллелизма. Если используется значение tf.data.AUTOTUNE, то количество параллельных вызовов устанавливается динамически на основе доступных ЦП.
deterministic (Необязательно.) Когда num_parallel_calls задано, если этот булево значение задано (True или False), оно контролирует порядок, в котором преобразование генерирует элементы. Если установлено в False, преобразованию разрешается генерировать элементы вне порядка, чтобы обменять детерминизм на производительность. Если не указано, поведение контролирует параметр tf.data.Options.deterministic (по умолчанию True).
name (Необязательно.) Имя операции tf.data.
Возвращаемое значение
Новый Dataset с применённым преобразованием, как описано выше.

list_files

Просмотреть исходный код

@staticmethod
list_files(
    file_pattern, shuffle=None, seed=None, name=None
) -> 'DatasetV2'

Набор данных всех файлов, соответствующих 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 повторное применение glob к каждому имени файла с list_files может привести к плохой производительности с удалёнными системами хранения.

Примечание: По умолчанию этот метод возвращает имена файлов в случайном порядке без гарантии детерминизма. Передайте seed или shuffle=False, чтобы получить результаты в детерминированном порядке.
Пример
Если у нас есть следующие файлы в файловой системе:
  • /path/to/dir/a.txt
  • /path/to/dir/b.py
  • /path/to/dir/c.py

Если мы передадим "/path/to/dir/*.py" в качестве директории, набор данных произведёт:

  • /path/to/dir/b.py
  • /path/to/dir/c.py
Аргументы
file_pattern Строка, список строк или тензор строкового типа (скаляр или вектор), представляющий шаблон(ы) имени файла glob (т. е. подстановка символов оболочки), которые будут соответствовать.
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 для операций tf.data, используемых list_files.
Возвращаемое значение
Dataset Набор данных строк, соответствующих именам файлов.

load

Просмотреть исходный код

@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 можно использовать для указания пользовательского порядка загрузки элементов из отдельных фрагментов. reader_func должен принимать один аргумент - набор данных наборов данных, каждый из которых содержит элементы одного из фрагментов, - и возвращать 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 и определяющая тип отдельных компонентов элемента. Если не указано, используется вложенная структура объектов tf.TypeSpec, сохранённая с набором данных. Обратите внимание, что этот аргумент необходим в режиме графа.
compression Необязательно. Алгоритм для декомпрессии данных при чтении. Поддерживаются GZIP и NONE. По умолчанию NONE.
reader_func Необязательно. Функция для управления чтением данных из фрагментов. Если присутствует, функция будет прослежена и выполнена как вычисление графа.
Возвращаемое значение
Экземпляр tf.data.Dataset.
Исключения
FileNotFoundError Если element_spec не указан и сохранённая вложенная структура tf.TypeSpec не может быть найдена с сохранённым набором данных.
ValueError Если element_spec не указан и метод выполняется в режиме графа.

map

Просмотреть исходный код

map(
    map_func, num_parallel_calls=None, deterministic=None, name=None
)

Применяет map_func ко всем 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 использоваться 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 элемента.

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]

Подпись входных данных для 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 элемента набора данных.

Обратите внимание, что независимо от контекста, в котором определено map_func (в режиме eager или графа), tf.data отслеживает функцию и выполняет её как граф. Чтобы использовать код Python внутри функции, у вас есть несколько вариантов:

1) Опирайтесь на AutoGraph для преобразования кода Python в эквивалентное вычисление графа. Недостаток этого подхода заключается в том, что AutoGraph может преобразовать некоторые, но не все фрагменты кода Python.

2) Используйте tf.py_function, который позволяет писать произвольный код Python, но обычно приводит к худшей производительности, чем вариант 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 код Python. 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 детерминированный порядок не требуется, то для повышения производительности можно также установить 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, возвращаемых этим преобразованием, детерминирован, 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.) Скалярное значение tf.int64 типа tf.Tensor, представляющее число элементов для асинхронной параллельной обработки. Если не указано, элементы будут обрабатываться последовательно. Если используется значение tf.data.AUTOTUNE, то количество параллельных вызовов динамически устанавливается на основе доступных процессоров.
deterministic (Необязательно.) Когда num_parallel_calls указан, если этот булевый параметр указан (True или False), он управляет порядком, в котором преобразование генерирует элементы. Если установлен в значение False, преобразование разрешено генерировать элементы вне порядка, чтобы обменять детерминизм на производительность. Если не указан, поведение контролируется параметром tf.data.Options.deterministic (по умолчанию True).
name (Необязательно.) Имя операции tf.data.
Возвращаемое значение
Новый набор данных Dataset с применённым преобразованием, как описано выше.

options

Просмотреть исходный код

options()

Возвращает параметры этого набора данных и его входных данных.

Возвращаемое значение
Объект tf.data.Options, представляющий параметры набора данных.

padded_batch

Просмотреть исходный код

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.

Подобно 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 равно False). Если ваш код зависит от того, чтобы пакеты имели одинаковое внешнее измерение, вы должны установить аргумент drop_remainder в True, чтобы предотвратить создание меньшего пакета.

В отличие от tf.data.Dataset.batch, элементы, подлежащие объединению в пакеты, 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 вывода:

  • Если измерение является константой, компонент будет заполнен до этой длины в этом измерении.
  • Если измерение неизвестно, компонент будет заполнен до максимальной длины для 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 Скалярное значение tf.int64 типа tf.Tensor, представляющее количество последовательных элементов этого набора данных для объединения в один пакет.
padded_shapes (Необязательно.) (Вложенная) структура объектов tf.TensorShape или векторов tf.int64 типа тензор, представляющая 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 должен быть задан, если у любого компонента неизвестен ранг.
padding_values (Необязательно.) (Вложенная) структура скалярных значений tf.Tensor, 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 является единственным элементом, а входной набор данных имеет несколько компонентов, то то же самое padding_values будет использоваться для заполнения каждого компонента набора данных. Если padding_values является скаляром, его значение будет транслировано для соответствия форме каждого компонента.
drop_remainder (Необязательно.) Логическое значение tf.bool типа tf.Tensor, представляющее, следует ли опускать последний пакет в случае, если он содержит меньше batch_size элементов; по умолчанию меньший пакет не опускается.
name (Необязательно.) Имя операции tf.data.
Возвращаемое значение
Новый набор данных Dataset с применённым преобразованием, как описано выше.
Исключения
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

Просмотреть исходный код

prefetch(
    buffer_size, name=None
) -> 'DatasetV2'

Создаёт Dataset, который предварительно загружает элементы из этого набора данных.

Большинство входных конвейеров наборов данных должны завершаться вызовом prefetch. Это позволяет подготовить последующие элементы, пока обрабатывается текущий. Это часто улучшает задержку и пропускную способность, но за счёт использования дополнительной памяти для хранения предварительно загруженных элементов.

Примечание: Как и другие методы Dataset, предварительная загрузка работает с элементами входного набора данных. Он не понимает различий между примерами и партиями. examples.prefetch(2) предварительно загрузит два элемента (2 примера), а examples.batch(20).prefetch(2) предварительно загрузит 2 элемента (2 партии по 20 примеров каждая).
dataset = tf.data.Dataset.range(3)
dataset = dataset.prefetch(2)
list(dataset.as_numpy_iterator())
[0, 1, 2]
Аргументы
buffer_size Скалярный tf.int64 типа tf.Tensor, представляющий максимальное количество элементов, которые будут буферизированы при предварительной загрузке. Если используется значение tf.data.AUTOTUNE, размер буфера настраивается динамически.
name Необязательно. Имя для преобразования tf.data.
Возвращаемые значения
Новый Dataset с применённым преобразованием, как описано выше.

ragged_batch

Посмотреть исходный код

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 получат 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 равно False). Если в вашей программе зависит от того, чтобы партии имели одинаковое внешнее измерение, вы должны установить аргумент drop_remainder в значение True, чтобы предотвратить создание более маленькой партии.

В отличие от tf.data.Dataset.batch, входные элементы для объединения в партии могут иметь разные формы:

  • Если входной элемент является tf.Tensor с полностью определённой статической tf.TensorShape, то он объединяется в партию в обычном порядке.
  • Если входной элемент является tf.Tensor со статической tf.TensorShape, содержащей одно или несколько осей с неизвестным размером (то есть shape[i]=None), то вывод будет содержать tf.RaggedTensor, который разбит по любым из таких измерений.
  • Если входной элемент является tf.RaggedTensor или любого другого типа, то он объединяется в партию в обычном порядке.

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 tf.int64 типа tf.Tensor, представляющий количество последовательных элементов этого набора данных, которые объединяются в одну партию.
drop_remainder (Необязательно.) Скалярный tf.Tensor типа tf.bool, обозначающий, должна ли быть отброшена последняя партия в случае, если она содержит меньше, чем batch_size элементов; по умолчанию меньшая партия не отбрасывается.
row_splits_dtype Тип данных, который должен использоваться для row_splits любых новых разреженных тензоров. Существующие элементы tf.RaggedTensor не изменяют тип данных row_splits.
name (Необязательно.) Строка, обозначающая имя операции tf.data.
Возвращаемые значения
Новый Dataset с применённым преобразованием, как описано выше.

random

Посмотреть исходный код

@staticmethod
random(
    seed=None, rerandomize_each_iteration=None, name=None
) -> 'DatasetV2'

Создаёт Dataset псевдослучайных значений.

Набор данных генерирует последовательность целочисленных значений с равномерным распределением.

rerandomize_each_iteration управляет тем, должна ли последовательность сгенерированных случайных чисел перестраиваться для каждой эпохи. По умолчанию значение равно False, где 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 одну и ту же последовательность случайных чисел для каждой эпохи. Если установлено в True, он генерирует различную детерминированную последовательность случайных чисел для каждой эпохи. По умолчанию False, если не указано.
name (Необязательно.) Имя операции tf.data.
Возвращаемые значения
Dataset Dataset.

range

Посмотреть исходный код

@staticmethod
range(
    *args, **kwargs
) -> 'DatasetV2'

Создаёт Dataset с последовательностью значений с шагом между ними.

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 Соответствует семантике 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
  • output_type: Ожидаемый тип данных. (Необязательно, по умолчанию: tf.int64).
  • name: (Необязательно.) Имя операции tf.data.
Возвращаемые значения
Dataset RangeDataset.
Исключения
ValueError если len(args) == 0.

rebatch

Посмотреть исходный код

rebatch(
    batch_size, drop_remainder=False, name=None
) -> 'DatasetV2'

Создаёт Dataset, который повторно объединяет элементы из этого набора данных.

rebatch(N) функционально эквивалентно unbatch().batch(N), но более эффективно, 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 перебирает список для определения размера каждой партии.

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 Скаляр или вектор типа tf.int64, представляющий размер партий для вывода. Если этот аргумент является вектором, эти значения циклически перебираются.
drop_remainder (Необязательно.) Скалярный tf.Tensor типа tf.bool, обозначающий, должна ли быть отброшена последняя партия в случае, если она содержит меньше, чем batch_size[cycle_index] элементов; по умолчанию меньшая партия не отбрасывается.
name (Необязательно.) Имя операции tf.data.
Возвращаемые значения
Dataset скалярных элементов dtype.

reduce

Посмотреть исходный код

reduce(
    initial_state, reduce_func, name=None
)

Сводит входной набор данных к одному элементу.

Преобразование последовательно вызывает reduce_func на каждом элементе входного набора данных до тех пор, пока набор данных не будет исчерпан, агрегируя информацию во внутренней сохранённой переменной. Аргумент initial_state используется для начального состояния, а конечное состояние возвращается в качестве результата.

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

Просмотреть исходный код

rejection_resample(
    class_func, target_dist, initial_dist=None, seed=None, name=None
) -> 'DatasetV2'

Перевыборка элементов для достижения целевого распределения.

Примечание: Эта реализация может отклонять или повторять элементы, чтобы достичь target_dist. Поэтому в некоторых случаях выходной Dataset может быть больше, чем входной Dataset.
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

Следуя из initial_dist, zero приблизительно равно 0,6, а one приблизительно равно 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

Следуя из target_dist, zero приблизительно равно 0,5, а one приблизительно равно 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, формы [num_classes].
initial_dist (Необязательно.) Тензор с плавающей точкой, формы [num_classes]. Если не указано, истинное распределение классов оценивается в режиме потока.
seed (Необязательно.) Целое число Python для генератора случайных чисел для перевыборки.
name (Необязательно.) Имя операции tf.data.
Возвращаемое значение
Новый Dataset с примененным преобразованием, как описано выше.

repeat

Просмотреть исходный код

repeat(
    count=None, name=None
) -> 'DatasetV2'

Повторяет этот набор данных, чтобы каждый исходный элемент отображался 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, генератора случайных чисел) или его выходной результат не детерминирован (например, из-за предшествующей shuffle), то разные повторения могут генерировать разные элементы.
Аргументы
count (Необязательно.) Скалярное tf.int64 tf.Tensor, представляющее число раз, которое следует повторить набор данных. По умолчанию (если count равно None или -1) набор данных повторяется бесконечно.
name (Необязательно.) Имя операции tf.data.
Возвращаемое значение
Новый Dataset с примененным преобразованием, как описано выше.

sample_from_datasets

Просмотреть исходный код

@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.

Создает набор данных путем чередования элементов datasets с вероятностью weight[i] выбора элемента из набора данных i. Выборка производится без возвращения. Например, предположим, что у нас есть 2 набора данных:

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

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

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

Один возможный результат элементов в sample_dataset:

print(list(sample_dataset.as_numpy_iterator()))
# [100, 0, 1, 101, 2, 102]
Аргументы
datasets Непустой список объектов tf.data.Dataset с совместимой структурой.
weights (Необязательно.) Список или тензор len(datasets) значений с плавающей точкой, где weights[i] представляет вероятность выбора из datasets[i], или объект tf.data.Dataset, где каждый элемент — такой список. По умолчанию используется равномерное распределение по datasets.
seed (Необязательно.) Скаляр tf.int64 tf.Tensor, представляющий случайное семя, которое будет использоваться для создания распределения. См. tf.random.set_seed для поведения.
stop_on_empty_dataset Если True, выбор останавливается, если встречается пустой набор данных. Если False, выбор продолжается и пропускаются пустые наборы данных. Рекомендуется установить значение в True. В противном случае распределение выборок изначально соответствует намерениям пользователя, но может измениться, когда входные наборы данных опустеют. Это может быть трудно обнаружить, так как набор данных с самого начала выглядит правильно. По умолчанию False для обратной совместимости.
rerandomize_each_iteration Необязательный bool. Логический аргумент управляет тем, будет ли последовательность случайных чисел, используемых для определения, из какого набора данных брать выборку, переинициализироваться в каждой эпохе. То есть, он определяет, будут ли наборы данных выбираться в том же порядке в разных эпохах (стандартное поведение) или нет.
Возвращаемое значение
Набор данных, который случайным образом чередует элементы из datasets в соответствии с weights, если задано, иначе с равной вероятностью.
Исключения
TypeError Если аргументы datasets или weights имеют неправильный тип.
ValueError
  • Если datasets пуст, или
  • Если weights указан и не соответствует длине datasets.

save

Просмотреть исходный код

save(
    path, compression=None, shard_func=None, checkpoint_args=None
)

Сохраняет содержимое данного 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)
  

Сохраненный набор данных сохраняется в нескольких файлах «фрагментах». По умолчанию выходные данные набора данных делятся на фрагменты по кругу, но можно указать пользовательскую фрагментацию 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)

Для включения контрольных точек передайте checkpoint_args в метод save следующим образом:

dataset = tf.data.Dataset.range(100)
save_dir = "..."
checkpoint_prefix = "..."
step_counter = tf.Variable(0, trainable=False)
checkpoint_args = {
  "checkpoint_interval": 50,
  "step_counter": step_counter,
  "directory": checkpoint_prefix,
  "max_to_keep": 20,
}
dataset.save(dataset, save_dir, checkpoint_args=checkpoint_args)
Примечание: Структура каталогов и формат файлов, используемые для сохранения набора данных, считаются деталями реализации и могут меняться. По этой причине наборы данных, сохраненные с помощью tf.data.Dataset.save, следует потреблять только с помощью tf.data.Dataset.load, что гарантирует обратную совместимость.
Аргументы
path Требуется. Каталог для сохранения набора данных.
compression Необязательно. Алгоритм сжатия данных при записи. Поддерживаемые варианты — GZIP и NONE. По умолчанию NONE.
shard_func Необязательно. Функция для управления отображением элементов набора данных на фрагменты файлов. Функция ожидает отображения элементов входного набора данных на идентификаторы фрагментов int64. Если задана, 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 заданы, тогда контрольные точки не будут создаваться. Реализация save() создает объект tf.train.Checkpoint внутри, поэтому пользователи не должны задавать аргумент checkpoint в checkpoint_args.
Возвращаемое значение
Операция, которая при выполнении выполняет сохранение. При записи контрольных точек возвращает None. Возвращаемое значение полезно для модульных тестов.
END_OF_DOCUMENT_MARKER
Исключения
ValueError, если checkpoint передано в checkpoint_args.

scan

Просмотреть исходный код

scan(
    initial_state, scan_func, name=None
) -> 'DatasetV2'

Преобразование, которое применяет функцию к набору данных.

Это преобразование является состоятельным аналогом tf.data.Dataset.map. В дополнение к применению scan_func к элементам входного набора данных, scan() накапливает один или несколько тензоров состояния, начальные значения которых задаются 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 возвращаемых значений new_state должна соответствовать структуре initial_state.
name (Необязательно.) Имя операции tf.data.
Возвращаемое значение
Новый набор данных Dataset с применённым преобразованием, как описано выше.

shard

Просмотреть исходный код

shard(
    num_shards, index, name=None
) -> 'DatasetV2'

Создаёт набор данных, включающий только 1/num_shards элементов исходного набора данных.

Операция shard детерминирована. Набор данных, созданный с помощью A.shard(n, i), будет содержать все элементы A, для которых индекс mod 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 распределённом обучении, поскольку он позволяет каждому рабочему узлу читать уникальный подмножество.

При чтении одного входного файла вы можете разделить 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 разделите набор данных перед использованием любого случайного оператора (например, shuffle).
  • В целом, лучше всего использовать оператор shard в начале конвейера набора данных. Например, при чтении из набора файлов TFRecord, разделите набор данных на части перед преобразованием набора данных в входные образцы. Это предотвратит чтение каждого файла на каждом рабочем узле. Следующее является примером эффективной стратегии разделения 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 Масштабный скаляр типа tf.int64 tf.Tensor, представляющий количество фрагментов, работающих параллельно.
index Масштабный скаляр типа tf.int64 tf.Tensor, представляющий индекс рабочего узла.
name (Необязательно.) Имя операции tf.data.
Возвращаемое значение
Новый набор данных Dataset с применённым преобразованием, как описано выше.
Исключения
InvalidArgumentError если num_shards или index являются недопустимыми значениями.
Примечание: проверка ошибок выполняется с наилучшим результатом, и ошибки не гарантируются при создании набора данных. (например, предоставление тензора-заполнителя обходит раннюю проверку и вместо этого приведёт к ошибке во время вызова session.run.)

shuffle

Просмотреть исходный код

shuffle(
    buffer_size, seed=None, reshuffle_each_iteration=None, name=None
) -> 'DatasetV2'

Случайным образом перемешивает элементы этого набора данных.

Этот набор данных заполняет буфер buffer_size элементами, затем случайным образом выбирает элементы из этого буфера, заменяя выбранные элементы новыми элементами. Для идеального перемешивания необходим размер буфера, больший или равный полному размеру набора данных.

Например, если ваш набор данных содержит 10 000 элементов, но buffer_size установлен в 1000, тогда shuffle изначально выберет случайный элемент только из первых 1000 элементов в буфере. Как только элемент выбран, его место в буфере заменяется следующим (т.е. 1001-м) элементом, сохраняя буфер из 1000 элементов.

reshuffle_each_iteration управляет тем, должен ли порядок перемешивания быть разным для каждой эпохи. В TF 1.X, типичный 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 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

Чтобы перемешать весь набор данных, установите значение buffer_size=dataset.cardinality(). Это эквивалентно установке buffer_size равным количеству элементов в наборе данных, что приводит к равномерному перемешиванию.

Примечание: shuffle(dataset.cardinality()) загружает весь набор данных в память для его перемешивания. Это может привести к ошибке переполнения памяти (OOM), если набор данных слишком большой, поэтому полное перемешивание должно использоваться только для наборов данных, которые известны как помещающиеся в память, например, 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 Масштабный скаляр типа tf.int64 tf.Tensor, представляющий количество элементов из этого набора данных, из которого новый набор данных будет выбирать. Для равномерного перемешивания всего набора данных используйте buffer_size=dataset.cardinality().
seed (Необязательно.) Масштабный скаляр типа tf.int64 tf.Tensor, представляющий случайное семя, которое будет использоваться для создания распределения. См. tf.random.set_seed для поведения.
reshuffle_each_iteration (Необязательно.) Булево значение, которое, если равно true, указывает, что набор данных должен быть псевдослучайным образом перемешивается каждый раз при его итерации. (По умолчанию True.)
name (Необязательно.) Имя операции tf.data.
Возвращаемое значение
Новый набор данных Dataset с применённым преобразованием, как описано выше.

skip

Просмотреть исходный код

skip(
    count, name=None
) -> 'DatasetV2'

Создаёт набор данных, 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 Масштабный скаляр типа tf.int64 tf.Tensor, представляющий количество элементов из этого набора данных, которые должны быть пропущены для формирования нового набора данных. Если count больше размера этого набора данных, новый набор данных не будет содержать элементов. Если count равно -1, пропускаются все элементы набора данных.
name (Необязательно.) Имя операции tf.data.
Возвращаемое значение
Новый набор данных Dataset с применённым преобразованием, как описано выше.

snapshot

Просмотреть исходный код

snapshot(
    path,
    compression='AUTO',
    reader_func=None,
    shard_func=None,
    name=None
) -> 'DatasetV2'

API для сохранения выходных данных набора данных.

API снимка позволяет пользователям прозрачно сохранять выходные данные своей конвейера предварительной обработки на диск и материализовать предварительно обработанные данные в другом запуске обучения.

Этот API позволяет объединить многократные шаги предварительной обработки и позволяет повторно использовать уже обработанные данные, жертвуя хранением на диске и пропускной способностью сети, чтобы высвободить больше ресурсов ЦП и вычислительных ресурсов ускорителя.

https://github.com/tensorflow/community/blob/master/rfcs/20200107-tf-data-snapshot.md содержит подробную документацию по проектированию этой функции.

Пользователи могут указать различные параметры для управления поведением снимка, включая то, как снимки читаются и записываются, передав пользовательские функции в параметры reader_func и shard_func.

shard_func — это пользовательская функция, которая отображает элементы входного набора данных на фрагменты снимка.

Пользователям может потребоваться указать эту функцию для управления тем, как файлы снимка должны быть записаны на диск. Ниже приведён пример того, как можно записать потенциальную функцию 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)
END_OF_DOCUMENT_MARKER

reader_func — это функция, задаваемая пользователем, которая принимает один аргумент: (1) набор наборов данных, каждый из которых представляет собой «разбиение» элементов исходного набора данных. Мощность входного набора данных соответствует количеству фрагментов, указанному в shard_func (см. выше). Функция должна возвращать набор элементов исходного набора данных.

Пользователи могут задать эту функцию, чтобы контролировать, как файлы моментальных снимков должны считываться с диска, включая количество перемешивания и параллелизма.

Вот пример стандартной функции чтения, которую может определить пользователь. Эта функция позволяет перемешивать данные 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, моментальный снимок (snapshot) параллелизует чтение по числу ядер, доступных в системе, но не будет пытаться перемешивать данные.

Аргументы
path Обязательно. Директория для хранения/загрузки моментального снимка.
compression Необязательно. Тип сжатия, применяемый к моментальному снимку, записываемому на диск. Поддерживаемые варианты — GZIP, SNAPPY, AUTO или None. По умолчанию — 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.
Возвращаемое значение
Новый Dataset с применённой трансформацией, как описано выше.

sparse_batch

Просмотреть исходный код

sparse_batch(
    batch_size, row_shape, name=None
) -> 'DatasetV2'

Объединяет последовательные элементы в tf.sparse.SparseTensor.

Как и Dataset.padded_batch(), эта трансформация 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 которой в начале добавляется эффективный размер 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 тензор типа tf.int64, представляющий количество последовательных элементов этого набора данных, которые нужно объединить в один пакет.
row_shape Объект-тензор, представляющий эквивалентную плотную форму строки в результирующем tf.sparse.SparseTensor. Каждый элемент этого набора данных должен иметь такой же ранг, как и row_shape, и размер в каждом измерении должен быть меньше или равен row_shape.
name (Необязательно.) Строка, указывающая имя операции tf.data.
Возвращаемое значение
Новый Dataset с применённой трансформацией, как описано выше.

take

Просмотреть исходный код

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 тензор типа tf.int64, представляющий количество элементов этого набора данных, которые должны быть взяты для создания 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 операции tf.data.
Возвращаемое значение
Новый Dataset с применённой трансформацией, как описано выше.

take_while

Просмотреть исходный код

take_while(
    predicate, name=None
) -> 'DatasetV2'

Трансформация, которая останавливает итерацию по набору 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 (имеющую формы и типы, определённые self.output_shapes и self.output_types) в скалярный тензор типа tf.bool.
name (Необязательно.) Имя операции tf.data.
Возвращаемое значение
Новый Dataset с применённой трансформацией, как описано выше.

unbatch

Просмотреть исходный код

unbatch(
    name=None
) -> 'DatasetV2'

Разбивает элементы набора данных на несколько элементов.

Например, если элементы набора данных имеют форму [B, a0, a1, ...], где B может отличаться для каждого входного элемента, то для каждого элемента в наборе данных, набор данных без группировки будет содержать B последовательных элементов с формой [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: unbatch требует копирования данных для разделения пакетного тензора на более мелкие, не сгруппированные тензоры. При оптимизации производительности старайтесь избегать ненужного использования unbatch.
Аргументы
name (Необязательно.) Имя операции tf.data.
Возвращаемое значение
Новый Dataset с применённой трансформацией, как описано выше.

unique

Просмотреть исходный код

unique(
    name=None
) -> 'DatasetV2'

Трансформация, которая отбрасывает дублируемые элементы набора данных Dataset.

Используйте эту трансформацию, 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: Эта трансформация поддерживает только наборы данных, которые помещаются в память, и имеют элементы типа tf.int32, tf.int64 или tf.string.
Аргументы
name (Необязательно.) Имя операции tf.data.
Возвращаемое значение
Новый Dataset с применённой трансформацией, как описано выше.

window

Просмотреть исходный код

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 элементов недостаточно для заполнения окна и drop_remainder вычисляет 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, они могут быть перечислены:

for window in dataset:
  print(list(window.as_numpy_iterator()))
[0, 1, 2]
[3, 4, 5]
[6]

Сдвиг

Аргумент shift определяет количество элементов входных данных, которые нужно сдвинуть между началом каждого окна. Если окна и элементы пронумерованы, начиная с 0, 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 элементами входных данных в окне.

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

При применении преобразования window к набору данных, элементы которого являются вложенными структурами, оно создает набор данных, где элементы имеют ту же вложенную структуру, но каждое листовое значение заменяется окном. Другими словами, вложение применяется снаружи окон, а не внутри них.

Подпись типа:

def window(
    self: Dataset[Nest[T]], ...
) -> Dataset[Nest[Dataset[T]]]

Применение window к набору Dataset 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 Dataset словарей даёт словарь Datasets:

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]}

Распаковать набор данных окон

Методы Dataset.flat_map и Dataset.interleave могут использоваться для распаковки набора данных окон в единый набор данных.

Аргумент для flat_map — функция, которая принимает элемент из набора данных и возвращает Dataset. flat_map объединяет полученные наборы данных последовательно.

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 для объединения в окно. Должно быть положительным.
shift (Необязательно.) Скалярный tf.int64 tf.Tensor, представляющий количество входных элементов, на которые окно сдвигается на каждом шаге. По умолчанию равно 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, представляющий, должны ли быть отброшены последние окна, если их размер меньше size.
name (Необязательно.) Имя операции tf.data.
Возвращает
Новый Dataset с применённым преобразованием, как описано выше.

with_options

Посмотреть исходный код

with_options(
    options, name=None
) -> 'DatasetV2'

Возвращает новый tf.data.Dataset с заданными параметрами.

Параметры являются "глобальными" в том смысле, что они применяются ко всему набору данных. Если параметры устанавливаются несколько раз, они объединяются, при условии, что 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

Посмотреть исходный код

@staticmethod
zip(
    *args, datasets=None, name=None
) -> 'DatasetV2'

Создаёт набор данных, объединяя заданные наборы данных.

Этот метод имеет сходную семантику с встроенной функцией zip() в Python, с основным отличием, заключающимся в том, что аргумент datasets может быть (вложенной) структурой объектов Dataset. Поддерживаемые механизмы вложения 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__

Посмотреть исходный код

__bool__()

__iter__

Посмотреть исходный код

Создаёт итератор для элементов этого набора данных.

Возвращённый итератор реализует протокол Python Iterator.

Возвращает
tf.data.Iterator для элементов этого набора данных.
Исключения
RuntimeError Если не внутри tf.function и не выполняется жадно.

__len__

Посмотреть исходный код

__len__()

Возвращает длину набора данных, если она известна и конечна.

Этот метод требует, чтобы вы выполняли код в режиме eager и чтобы длина набора данных была известной и не бесконечной. Если длина неизвестна или бесконечна, или если вы выполняете код 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 жадный режим не включён.

__nonzero__

Посмотреть исходный код

__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/experimental/dtensor/DTensorDataset

Spec-Zone.ru

Настройки Оффлайн Что нового Помощь О нас
Spec-Zone .ru
спецификации, руководства, описания, API