tf.contrib.learn.read_batch_features

Добавляет операции для чтения, очереди, группирования в пакеты и разбора Example протоколов. (устаревший)

tf.contrib.learn.read_batch_features(
    file_pattern, batch_size, features, reader, randomize_input=True,
    num_epochs=None, queue_capacity=10000, feature_queue_capacity=100,
    reader_num_threads=1, num_enqueue_threads=2, parse_fn=None, name=None,
    read_batch_size=None
)

При заданном шаблоне файла (или списке файлов) создаст очередь для имён файлов, прочитает Example протокол с использованием предоставленного reader, использует очередь для пакетов, чтобы создать пакеты примеров размером batch_size и разобрать пример, используя указанное features описание.

Все исполнители очереди добавляются в коллекцию исполнителей очереди и могут быть запущены с помощью start_queue_runners.

Все операции добавляются в стандартную графу.

Аргументы
`file_pattern`	Список файлов или шаблонов путей к файлам, содержащих `Example` записи. См. `tf.io.gfile.glob` для правил шаблонов.
`batch_size`	Целое число или скаляр `Tensor`, задающее размер пакета.
`features`	`dict` отображение ключей признаков на `FixedLenFeature` или `VarLenFeature` значения.
`reader`	Функция или класс, возвращающий объект с методом `read`, (тензор имени файла) -> (тензор примера).
`randomize_input`	Нужно ли случайным образом изменять входные данные.
`num_epochs`	Целое число, определяющее количество проходов по набору данных. Если None, циклически обрабатывает набор данных бесконечно. ПРИМЕЧАНИЕ - Если указано, создает переменную, которую необходимо инициализировать, поэтому вызовите tf.compat.v1.local_variables_initializer() и запустите операцию в сеансе.
`queue_capacity`	Ёмкость очереди ввода.
`feature_queue_capacity`	Ёмкость очереди обработанных признаков. Установите это значение на небольшое число, например 5, если обработанные признаки большие.
`reader_num_threads`	Количество потоков для чтения примеров. Чтобы гарантировать предсказуемый и повторяемый порядок чтения и помещения в очередь, например, в режиме прогнозирования и оценки, `reader_num_threads` должен быть равен 1.
`num_enqueue_threads`	Количество потоков для помещения обработанных примеров в очередь. Использование нескольких потоков для помещения обработанных примеров в очередь помогает поддерживать полную очередь, когда последующие вычисления в целом дешевле, чем разбор. Чтобы гарантировать предсказуемый и повторяемый порядок чтения и помещения в очередь, например, в режиме прогнозирования и оценки, `num_enqueue_threads` должен быть равен 1.
`parse_fn`	Функция разбора, принимает `Example` тензор, возвращает обработанное представление. Если `None`, разбор не выполняется.
`name`	Имя результирующей операции.
`read_batch_size`	Целое число или скаляр `Tensor`, определяющее количество записей для одновременного чтения. Если `None`, по умолчанию используется `batch_size`.

Возвращаемые значения
Словарь `Tensor` или `SparseTensor` объектов для каждого в `features`.

Возбуждаемые исключения
`ValueError`	для некорректных входных данных.

© 2020 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 3.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/versions/r1.15/api_docs/python/tf/contrib/learn/read_batch_features