tf.raw_ops.ParallelInterleaveDatasetV3

Создаёт набор данных, применяющий f к результатам input_dataset.

Просмотр псевдонимов

Псевдонимы совместимости 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.

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

По умолчанию выходной набор данных будет детерминированным, что может привести к блокировке набора данных, если следующий элемент данных для возврата недоступен. Чтобы избежать блокировки по принципу "голова очереди", можно установить атрибут deterministic в значение "false", или оставить его "default" и установить параметр experimental_deterministic метода tf.data.Options в значение False. Это может улучшить производительность за счёт недетерминированности.

Аргументы
`input_dataset`	`Tensor` типа `variant`. Набор данных, который генерирует поток аргументов для функции `f`.
`other_arguments`	Список объектов `Tensor`. Дополнительные аргументы для передачи функции `f` помимо тех, которые генерирует `input_dataset`. Вычисляются один раз при создании набора данных.
`cycle_length`	`Tensor` типа `int64`. Количество наборов данных (каждый из которых создан путём применения `f` к элементам `input_dataset`), между которыми `ParallelInterleaveDatasetV2` будет циклически переключаться в режиме круговой очереди.
`block_length`	`Tensor` типа `int64`. Количество элементов, которые нужно сгенерировать за один раз из каждого вызова переплетённого набора данных, возвращаемого `f`.
`num_parallel_calls`	`Tensor` типа `int64`. Определяет количество потоков, которые следует использовать для параллельного извлечения данных из входных наборов данных. Константа API Python `tf.data.experimental.AUTOTUNE` может быть использована для указания того, что уровень параллелизма должен быть настроен автоматически.
`f`	Функция, помеченная как @Defun. Функция, сопоставляющая элементы `input_dataset`, соединённые с `other_arguments`, с вариантом набора данных, содержащим элементы, соответствующие `output_types` и `output_shapes`.
`output_types`	Список `tf.DTypes` длиной `>= 1`.
`output_shapes`	Список форм (каждая форма — `tf.TensorShape` или список `ints`) длиной `>= 1`.
`deterministic`	Необязательный `string`. По умолчанию `"default"`. Строка, указывающая уровень детерминизма на уровне оператора. Детерминированность определяет, разрешено ли оператору interleave возвращать элементы вне порядка, если следующий элемент для возврата недоступен, но последующий элемент доступен. Доступные значения: "true", "false" и "default". "default" указывает, что детерминизм должен быть определён параметром `experimental_deterministic` метода `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/r2.4/api_docs/python/tf/raw_ops/ParallelInterleaveDatasetV3