交错 tf.data.Datasets

本文介绍了交错 tf.data.Datasets的处理方法，对大家解决问题具有一定的参考价值，需要的朋友们下面随着小编来一起学习吧！

问题描述

我正在尝试使用 tf.data.Dataset 来交错两个数据集，但这样做时遇到了问题.鉴于这个简单的例子:

I'm trying to use tf.data.Dataset to interleave two datasets but having problems doing so. Given this simple example:

ds0 = tf.data.Dataset()
ds0 = ds0.range(0, 10, 2)
ds1 = tf.data.Dataset()
ds1 = ds1.range(1, 10, 2)
dataset = ...
iter = dataset.make_one_shot_iterator()
val = iter.get_next()

什么是 ... 以产生类似 0, 1, 2, 3...9 的输出?

What is ... to produce an output like 0, 1, 2, 3...9?

似乎 dataset.interleave() 是相关的，但我无法以不会产生错误的方式制定语句.

It would seem like dataset.interleave() would be relevant but I haven't been able to formulate the statement in a way that doesn't generate an error.

推荐答案

MattScarpino 在他的评论.您可以使用 Dataset.zip() 以及 Dataset.flat_map() 将多元素数据集展平:

MattScarpino is on the right track in his comment. You can use Dataset.zip() along with Dataset.flat_map() to flatten a multi-element dataset:

ds0 = tf.data.Dataset.range(0, 10, 2)
ds1 = tf.data.Dataset.range(1, 10, 2)

# Zip combines an element from each input into a single element, and flat_map
# enables you to map the combined element into two elements, then flattens the
# result.
dataset = tf.data.Dataset.zip((ds0, ds1)).flat_map(
    lambda x0, x1: tf.data.Dataset.from_tensors(x0).concatenate(
        tf.data.Dataset.from_tensors(x1)))

iter = dataset.make_one_shot_iterator()
val = iter.get_next()

说到这里，你对使用 Dataset.interleave 的直觉() 非常明智.我们正在研究可以让您更轻松地执行此操作的方法.

Having said this, your intuition about using Dataset.interleave() is pretty sensible. We're investigating ways that you can do this more easily.

附注.作为替代方案，如果您更改 ds0 和 ds1 的方式，可以使用 Dataset.interleave() 来解决问题> 定义:

PS. As an alternative, you can use Dataset.interleave() to solve the problem if you change how ds0 and ds1 are defined:

dataset = tf.data.Dataset.range(2).interleave(
    lambda x: tf.data.Dataset.range(x, 10, 2), cycle_length=2, block_length=1)

这篇关于交错 tf.data.Datasets的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持！

DataSet