python - 使用 Dataset api tensorflow 即时生成

Question

我有一个产生特征和目标张量的函数。例如

x,t = myfunc() ##x,t tensors

如何将其与 TensorFlow 的数据集 API 集成以进行持续训练？理想情况下，我想使用数据集来设置批处理、转换等内容。

编辑澄清：问题是我不仅想将 x 和 t 放在我的图表中，还想从中创建一个数据集，以便我可以使用我为（正常）有限数据集实现的相同数据集处理，我可以加载到内存中并使用可初始化的迭代器输入同一个图形。

Answer 1

假设x和t是tf.Tensor对象，并my_func()构建一个 TensorFlow 图，您可以使用以下方法与 `Dataset.map()：

# Creates an infinite dataset with a dummy value. You can make this finite by
# specifying an explicit number of elements to `repeat()`.
dummy_dataset = tf.data.Dataset.from_tensors(0).repeat(None)

# Evaluates `my_func` once for each element in `dummy_dataset`.
dataset = dummy_dataset.map(lambda _: my_func())

Answer 2

tf.data.Dataset.from_tensors如果 x 和 t 是张量，您可以通过调用或创建数据集（此处tf.data.Dataset.from_tensor_slices的文档）。

它们之间的区别在于from_tensors将输入张量组合成数据集中的单个元素。from_tensor_slices为每个切片创建一个包含一个元素的数据集。