Dataset

מקבץ רכיבים של מערך נתונים זה לקבוצות.

מקבץ רכיבים של מערך נתונים זה לקבוצות. כולל את האצווה האחרונה, גם אם יש בה פחות מ-'batchSize' אלמנטים.

יוצר 'מערך נתונים' בזיכרון שהאלמנטים שלו הם פרוסות של הטנזורים הנתונים. כל רכיב במערך נתונים זה יהיה List<Operand<?>> , המייצג פרוסות (למשל אצווה) של הטנזורים שסופקו.

קבל רשימה של צורות עבור כל רכיב במערך הנתונים הזה.

קבל רשימה של סוגי פלט עבור כל רכיב של מערך נתונים זה.

קבל את טנזור הגרסה המייצג את מערך הנתונים הזה.

יוצר איטרטור החוזר על כל הקבוצות של מערך הנתונים הזה בצורה נלהבת. כל אצווה היא רשימה של רכיבים, המוחזרים כאובייקטי 'פלט'.

שיטה זו מאפשרת עבור כל איטרציה דרך אצווה כאשר היא פועלת במצב להוט. עבור איטרציה של מצב גרף, ראה 'makeOneShotIterator'.

יוצר `DatasetIterator` שניתן להשתמש בו כדי לחזור על אלמנטים של מערך נתונים זה.

איטרטור זה יצטרך להיות אתחול בקריאה אל `iterator.makeInitializer(Dataset)` לפני שניתן יהיה לאחזר אלמנטים בלולאה.

יוצר `DatasetIterator` שניתן להשתמש בו כדי לחזור על אלמנטים של מערך נתונים זה. שימוש ב-'makeOneShotIterator' מבטיח שהאיטרטור מאותחל אוטומטית במערך הנתונים הזה. דילוגים במצב גרף, הפעלת האתחול יתווסף לרשימת המאתחלים של הגרף, אותה יש להפעיל באמצעות `tf.init()`:

לְשֶׁעָבַר:

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

במצב להוט, האתחול יופעל אוטומטית כתוצאה משיחה זו.

מחזירה ערכת נתונים חדשה אשר ממפה פונקציה על פני כל האלמנטים המוחזרים על ידי מערך נתונים זה.

לדוגמה, נניח שכל אלמנט הוא List<Operand<?>> עם 2 רכיבים: (תכונות, תוויות).

יִעוּד

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))
      );
 );
 }

מחזירה ערכת נתונים חדשה שממפה פונקציה על פני כל האלמנטים ממערך הנתונים הזה, על כל הרכיבים של כל אלמנט.

לדוגמה, נניח שכל אלמנט הוא List<Operand<?>> עם 2 רכיבים: (תכונות, תוויות).

קריאה ל- dataset.mapAllComponents(component -> tf.math.mul(component, tf.constant(2))) תמפה את הפונקציה על רכיבי ה-'features' וה-'labels' של כל אלמנט, ותכפיל את כולם ב-2

מחזירה מערך נתונים חדש שממפה פונקציה על פני כל האלמנטים ממערך הנתונים הזה, על רכיב בודד של כל רכיב.

לדוגמה, נניח שכל אלמנט הוא List<Operand<?>> עם 2 רכיבים: (תכונות, תוויות).

קריאה ל- dataset.mapOneComponent(0, features -> tf.math.mul(features, tf.constant(2))) תמפה את הפונקציה על פני רכיב ה-'features' של כל אלמנט, תוך הכפלת כל אחד ב-2.

מחזירה 'מערך נתונים' חדש שמדלג על רכיבים ראשוניים של 'ספירה' ממערך הנתונים הזה

מחזירה 'מערך נתונים' חדש עם רכיבי 'ספירה' הראשונים בלבד ממערך הנתונים הזה.