tensorFlow2.1下的tf.data.Dataset.from_tensor_slices()的用法

一、總結

一句話總結：

將輸入的張量的第一個維度看做樣本的個數，沿其第一個維度將tensor切片，得到的每個切片是一個樣本數據。實現了輸入張量的自動切片。

# from_tensor_slices 為輸入張量的每一行創建一個帶有單獨元素的數據集
ts = tf.constant([[1, 2], [3, 4]])
ds = tf.data.Dataset.from_tensor_slices(ts)   # [1, 2], [3, 4]

 

 

 

二、tensorFlow2.1下的tf.data.Dataset.from_tensor_slices()的用法

轉自或參考：tensorFlow2.1下的tf.data.Dataset.from_tensor_slices()和batch()的用法
https://www.pythonheidong.com/blog/article/287038/

 

1、tf.data.Dataset.from_tensor_slices

它的作用是切分傳入Tensor的第一個維度，生成相應的dataset。

將輸入的張量的第一個維度看做樣本的個數，沿其第一個維度將tensor切片，得到的每個切片是一個樣本數據。實現了輸入張量的自動切片。

可以是numpy格式，也可以是tensorflow的tensor的格式，函數會自動將numpy格式轉為tensorflow的tensor格式

輸入可以是一個tensor 或 一個tensor字典（字典的每個key對應的value是一個tensor，要求各tensor的第一個維度相等） 或 一個tensor tuple（tuple 的每個元素是一個tensor，要求各tensor的第一個維度相等）。

示例 1：

import tensorflow as tf t = tf.range(10.)[:, None] t = tf.data.Dataset.from_tensor_slices(t) #<TensorSliceDataset shapes: (1,), types: tf.float32> for i in t: print(i.numpy()) # [0.] # [1.] # [2.] # [3.] # [4.] # [5.] # [6.] # [7.] # [8.] # [9.] 

示例2：

# from_tensor_slices 為輸入張量的每一行創建一個帶有單獨元素的數據集 ts = tf.constant([[1, 2], [3, 4]]) ds = tf.data.Dataset.from_tensor_slices(ts) # [1, 2], [3, 4] 

2、batch函數

用示例看下batch函數

batch_t = t.batch(3) for i in batch_t: print(i.numpy()) [[0.] [1.] [2.]] [[3.] [4.] [5.]] [[6.] [7.] [8.]] [[9.]]