Dataset

Agrupa elementos de este conjunto de datos en lotes.

Agrupa elementos de este conjunto de datos en lotes. Incluye el último lote, incluso si tiene menos elementos que "batchSize".

Crea un "Conjunto de datos" en memoria cuyos elementos son porciones de los tensores dados. Cada elemento de este conjunto de datos será un List<Operand<?>> , que representa porciones (por ejemplo, lotes) de los tensores proporcionados.

Obtenga una lista de formas para cada componente de este conjunto de datos.

Obtenga una lista de tipos de resultados para cada componente de este conjunto de datos.

Obtenga el tensor variante que representa este conjunto de datos.

Crea un iterador que recorre todos los lotes de este conjunto de datos de manera entusiasta. Cada lote es una lista de componentes, devueltos como objetos de "Salida".

Este método permite realizar iteraciones para cada lote cuando se ejecuta en modo ansioso. Para la iteración por lotes en modo Gráfico, consulte `makeOneShotIterator`.

Crea un `DatasetIterator` que se puede utilizar para iterar sobre elementos de este conjunto de datos.

Este iterador deberá inicializarse con una llamada a `iterator.makeInitializer(Dataset)` antes de que se puedan recuperar los elementos en un bucle.

Crea un `DatasetIterator` que se puede utilizar para iterar sobre elementos de este conjunto de datos. El uso de `makeOneShotIterator` garantiza que el iterador se inicialice automáticamente en este conjunto de datos. skips En el modo gráfico, la operación de inicialización se agregará a la lista de inicializadores de Graph, que debe ejecutarse a través de `tf.init()`:

Ex:

     try (Session session = new Session(graph) {
         // Immediately run initializers
         session.run(tf.init());
     }
 

En modo ansioso, el inicializador se ejecutará automáticamente como resultado de esta llamada.

Devuelve un nuevo conjunto de datos que asigna una función a todos los elementos devueltos por este conjunto de datos.

Por ejemplo, supongamos que cada elemento es una List<Operand<?>> con 2 componentes: (características, etiquetas).

Vocación

dataset.map(components -> {
      Operand<?> features = components.get(0);
      Operand<?> labels   = components.get(1);

      return Arrays.asList(
        tf.math.mul(features, tf.constant(2)),
        tf.math.mul(labels, tf.constant(5))
      );
 );
 }

Devuelve un nuevo conjunto de datos que asigna una función a todos los elementos de este conjunto de datos, en todos los componentes de cada elemento.

Por ejemplo, supongamos que cada elemento es una List<Operand<?>> con 2 componentes: (características, etiquetas).

Llamar dataset.mapAllComponents(component -> tf.math.mul(component, tf.constant(2))) asignará la función a los componentes `features` y `labels` de cada elemento, multiplicándolos todos por 2.

Devuelve un nuevo conjunto de datos que asigna una función a todos los elementos de este conjunto de datos, en un único componente de cada elemento.

Por ejemplo, supongamos que cada elemento es una List<Operand<?>> con 2 componentes: (características, etiquetas).

Llamar dataset.mapOneComponent(0, features -> tf.math.mul(features, tf.constant(2))) asignará la función al componente `features` de cada elemento, multiplicando cada uno por 2.

Devuelve un nuevo "Conjunto de datos" que omite los elementos iniciales "contar" de este conjunto de datos.

Devuelve un nuevo `Conjunto de datos` con solo los primeros elementos `count` de este conjunto de datos.