tf.compat.v1.data.experimental.sample_from_datasets

Случайным образом выбирает элементы из наборов данных в datasets. (устарело)

tf.compat.v1.data.experimental.sample_from_datasets(
    datasets, weights=None, seed=None, stop_on_empty_dataset=False
)

Создает набор данных путем переплетения элементов datasets с вероятностью weight[i] выбора элемента из набора данных i. Выборка происходит без возвращения. Например, предположим, что у нас есть 2 набора данных:

dataset1 = tf.data.Dataset.range(0, 3)
dataset2 = tf.data.Dataset.range(100, 103)

Предположим также, что мы выбираем из этих 2 наборов данных с указанными весами:

sample_dataset = tf.data.Dataset.sample_from_datasets(
    [dataset1, dataset2], weights=[0.5, 0.5])

Возможный результат элементов в наборе sample_dataset:

print(list(sample_dataset.as_numpy_iterator()))
# [100, 0, 1, 101, 2, 102]

Аргументы
`datasets`	Непустой список объектов `tf.data.Dataset` с совместимой структурой.
`weights`	(Необязательно.) Список или тензор `len(datasets)` значений с плавающей точкой, где `weights[i]` представляет вероятность выбора из `datasets[i]`, или объект `tf.data.Dataset`, каждый элемент которого является таким списком. По умолчанию используется равномерное распределение по `datasets`.
`seed`	(Необязательно.) Скалярный `tf.int64` `tf.Tensor`, представляющий случайное семя, которое будет использовано для создания распределения. См. `tf.random.set_seed` для поведения.
`stop_on_empty_dataset`	Если `True`, выборка прекращается, если она сталкивается с пустым набором данных. Если `False`, она пропускает пустые наборы данных. Рекомендуется установить значение в `True`. В противном случае распределение выборок первоначально соответствует намерениям пользователя, но может изменяться по мере того, как входные наборы данных становятся пустыми. Это может быть трудно обнаружить, так как набор данных первоначально выглядит правильно. По умолчанию установлено значение `False` для обеспечения обратной совместимости.

Возвращает
Набор данных, который случайным образом переплетает элементы из `datasets` в соответствии с `weights` (если указано), в противном случае с равномерной вероятностью.

Исключения
`TypeError`	Если аргументы `datasets` или `weights` имеют неправильный тип.
`ValueError`	Если `datasets` пустой, или Если `weights` указан и не соответствует длине `datasets`.

© 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/versions/r2.9/api_docs/python/tf/compat/v1/data/experimental/sample_from_datasets