tf.raw_ops.ParallelInterleaveDatasetV3

Создаёт набор данных, который применяет f к результатам input_dataset.

Просмотр псевдонимов

Псевдонимы для миграции

См. Руководство по миграции для получения более подробной 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', name=None
)

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

Python-API 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 избежания блокировки по принципу «первым пришёл — первым 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 улучшить 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, что генерируются `input_dataset`. Вычисляются один раз при создании набора данных.
`cycle_length`	`Tensor` типа `int64`. Количество наборов данных (каждый создан путём применения `f` к элементам `input_dataset`) среди которых `ParallelInterleaveDatasetV2` будет циклически переключаться в режиме круговой очереди.
`block_length`	`Tensor` типа `int64`. Количество элементов, генерируемых одновременно из каждого переплетённого вызова 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 Python-API `tf.data.experimental.AUTOTUNE` может использоваться для указания того, что уровень параллелизма должен настраиваться автоматически.
`f`	Функция, декорированная @Defun. Функция, отображающая элементы `input_dataset`, соединённые с `other_arguments`, на вариант набора данных, содержащий элементы, соответствующие `output_types` и `output_shapes`.
`output_types`	Список `tf.DTypes`, длина которого равна `>= 1`.
`output_shapes`	Список форм (каждая — `tf.TensorShape` или список `ints`) длиной `>= 1`.
`deterministic`	Необязательный `string`. По умолчанию `"default"`. Строка, указывающая уровень детерминированности на уровне оператора. Детерминированность контролирует, разрешено ли возвращать элементы из переплетённого набора данных в неупорядоченном порядке, если следующий элемент для возврата недоступен, но позже появляется доступный элемент. Доступные варианты: "true", "false" и "default". "default" указывает, что детерминированность должна определяться параметром `experimental_deterministic` `tf.data.Options`.
`name`	Имя операции (необязательно).

Возвращаемое значение
`Tensor` типа `variant`.

© 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/r2.3/api_docs/python/tf/raw_ops/ParallelInterleaveDatasetV3