tf.compat.v1.ReaderBase

Базовый класс для разных типов Reader, которые производят запись на каждом шаге.

tf.compat.v1.ReaderBase(
    reader_ref, supports_serialize=False
)

В концептуальном плане Reader преобразуют строковые «рабочие единицы» в записи (пары ключ-значение). Обычно «рабочие единицы» — это имена файлов, а записи извлекаются из содержимого этих файлов. Мы хотим, чтобы производилась одна запись на каждом шаге, но одна рабочая единица может соответствовать многим записям.

Поэтому мы вводим некоторую декомпозицию, используя очередь. Очередь содержит рабочие единицы, и Reader декьюит из очереди, когда ему требуется произвести запись (через Read()), но он завершил последнюю рабочую единицу.

Аргументы
`reader_ref`	Операция, реализующая reader.
`supports_serialize`	True, если реализация reader может сериализовать своё состояние.

Исключения
`RuntimeError`	Если включено выполнение в режиме eager.

Совместимость с режимом Eager

Reader не совместимы с выполнением в режиме eager. Вместо этого, пожалуйста, используйте tf.data, чтобы получить данные в вашу модель.

Атрибуты
`reader_ref`	Операция, реализующая reader.
`supports_serialize`	Возможно ли сериализовать состояние реализации Reader.

Методы

`num_records_produced`

Посмотреть исходный код

num_records_produced(
    name=None
)

Возвращает количество записей, произведённых этим reader.

Это то же самое, что и количество успешных выполнений Read.

Аргументы
`name`	Имя операции (необязательно).

Возвращаемое значение
Tensor int64.

`num_work_units_completed`

Посмотреть исходный код

num_work_units_completed(
    name=None
)

Возвращает количество обработанных завершённых рабочих единиц.

Аргументы
`name`	Имя операции (необязательно).

Возвращаемое значение
Tensor int64.

`read`

Посмотреть исходный код

read(
    queue, name=None
)

Возвращает следующую пару записей (ключ, значение), произведённых reader.

Будет декьюить рабочую единицу из очереди, если необходимо (например, когда Reader нужно начать чтение из нового файла, так как он завершил предыдущий файл).

Аргументы
`queue`	Очередь или изменяемый строковый Tensor, представляющий дескриптор очереди со строковыми рабочими элементами.
`name`	Имя операции (необязательно).

Возвращаемое значение
Кортеж из тензоров (ключ, значение).
`key`	Строковый скалярный Tensor.
`value`	Строковый скалярный Tensor.

`read_up_to`

Посмотреть исходный код

read_up_to(
    queue, num_records, name=None
)

Возвращает до num_records пар записей (ключ, значение), произведённых reader.

Будет декьюить рабочую единицу из очереди, если необходимо (например, когда Reader нужно начать чтение из нового файла, так как он завершил предыдущий файл). Может вернуть меньше, чем num_records, даже до последней партии.

Аргументы
`queue`	Очередь или изменяемый строковый Tensor, представляющий дескриптор очереди со строковыми рабочими элементами.
`num_records`	Количество записей для чтения.
`name`	Имя операции (необязательно).

Возвращаемое значение
Кортеж из тензоров (ключи, значения).
`keys`	Строковый тензор 1-D.
`values`	Строковый тензор 1-D.

`reset`

Посмотреть исходный код

reset(
    name=None
)

Восстановить reader в его начальное чистое состояние.

Аргументы
`name`	Имя операции (необязательно).

Возвращаемое значение
Созданная операция.

`restore_state`

Посмотреть исходный код

restore_state(
    state, name=None
)

Восстановить reader до ранее сохранённого состояния.

Не все Reader поддерживают восстановление, поэтому это может вызвать ошибку Unimplemented.

Аргументы
`state`	Строковый тензор. Результат SerializeState reader с соответствующим типом.
`name`	Имя операции (необязательно).

Возвращаемое значение
Созданная операция.

`serialize_state`

Посмотреть исходный код

serialize_state(
    name=None
)

Создать строковый тензор, кодирующий состояние reader.

Не все Reader поддерживают сериализацию, поэтому это может вызвать ошибку Unimplemented.

Аргументы
`name`	Имя операции (необязательно).

Возвращаемое значение
Строковый тензор.

© 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/r2.4/api_docs/python/tf/compat/v1/ReaderBase