tf.raw_ops.ParallelInterleaveDatasetV3

Создаёт набор данных, применяющий f к результатам input_dataset.

Псевдонимы

Псевдонимы для миграции

См. Руководство по миграции для получения дополнительной информации.

tf.compat.v1.raw_ops.ParallelInterleaveDatasetV3

tf.raw_ops.ParallelInterleaveDatasetV3(
    input_dataset,
    other_arguments,
    cycle_length,
    block_length,
    num_parallel_calls,
    f,
    output_types,
    output_shapes,
    deterministic='default',
    metadata='',
    name=None
)

Полученный набор данных похож на InterleaveDataset, за исключением того, что набор данных будет извлекать записи из интерлинованных наборов данных параллельно.

API Python tf.data создаёт экземпляры этого оператора из Dataset.interleave(), когда параметр num_parallel_calls этого метода установлен на любое значение, отличное от None.

По умолчанию вывод этого набора данных будет детерминированным, что может привести к блокировке набора данных, если следующий элемент данных для возврата недоступен. Для предотвращения блокировки по принципу "первый пришёл - первый обслужен" можно либо установить атрибут deterministic в "false", либо оставить его по умолчанию и установить параметр experimental_deterministic tf.data.Options в False. Это может повысить производительность за счёт недетерминированности.

Аргументы
`input_dataset`	`Tensor` типа `variant`. Набор данных, генерирующий поток аргументов для функции `f`.
`other_arguments`	Список объектов `Tensor`. Дополнительные аргументы для передачи функции `f` помимо тех, которые генерируются `input_dataset`. Оценивается один раз при создании набора данных.
`cycle_length`	`Tensor` типа `int64`. Количество наборов данных (каждый создаётся путём применения `f` к элементам `input_dataset`), между которыми цикл `ParallelInterleaveDatasetV2` будет выполняться по кругу.
`block_length`	`Tensor` типа `int64`. Количество элементов за раз, генерируемых каждым интерлинованным вызовом набора данных, возвращаемого `f`.
`num_parallel_calls`	`Tensor` типа `int64`. Определяет количество потоков, которые должны использоваться для параллельного извлечения данных из входных наборов данных. Постоянная API Python `tf.data.experimental.AUTOTUNE` может использоваться для указания того, что уровень параллелизма должен быть настроен автоматически.
`f`	Функция, декорированная @Defun. Функция, отображающая элементы `input_dataset`, соединённые с `other_arguments`, в вариант набора данных, содержащий элементы, соответствующие `output_types` и `output_shapes`.
`output_types`	Список `tf.DTypes` длиной `>= 1`.
`output_shapes`	Список форм (каждая — `tf.TensorShape` или список `ints`) длиной `>= 1`.
`deterministic`	Необязательное `string`. По умолчанию `"default"`. Строка, указывающая используемый детерминизм на уровне оператора. Детерминизм управляет тем, разрешено ли возвращение элементов интерлинованным оператором вне порядка, если следующий возвращаемый элемент недоступен, но доступен последующий. Допустимые значения: "true", "false" и "default". "default" указывает, что детерминизм должен быть определён параметром `experimental_deterministic` `tf.data.Options`.
`metadata`	Необязательное `string`. По умолчанию `""`.
`name`	Имя операции (необязательно).

Возвращаемое значение
`Tensor` типа `variant`.

© 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/raw_ops/ParallelInterleaveDatasetV3