Dataset

Raggruppa gli elementi di questo set di dati in batch.

Raggruppa gli elementi di questo set di dati in batch. Include l'ultimo batch, anche se contiene meno di elementi "batchSize".

Crea un "Dataset" in memoria i cui elementi sono sezioni dei tensori specificati. Ogni elemento di questo set di dati sarà un List<Operand<?>> , che rappresenta sezioni (ad esempio batch) dei tensori forniti.

Ottieni un elenco di forme per ogni componente di questo set di dati.

Ottieni un elenco di tipi di output per ciascun componente di questo set di dati.

Ottieni il tensore variante che rappresenta questo set di dati.

Crea un iteratore che scorre tutti i batch di questo set di dati in modo entusiasta. Ogni batch è un elenco di componenti, restituiti come oggetti "Output".

Questo metodo consente l'iterazione per ogni batch durante l'esecuzione in modalità desiderosa. Per l'iterazione batch in modalità grafico, vedere "makeOneShotIterator".

Crea un "DatasetIterator" che può essere utilizzato per scorrere gli elementi di questo set di dati.

Questo iteratore dovrà essere inizializzato con una chiamata a "iterator.makeInitializer(Dataset)" prima che gli elementi possano essere recuperati in un ciclo.

Crea un "DatasetIterator" che può essere utilizzato per scorrere gli elementi di questo set di dati. L'utilizzo di "makeOneShotIterator" garantisce che l'iteratore venga inizializzato automaticamente su questo set di dati. skips In modalità grafico, l'inizializzatore op verrà aggiunto all'elenco degli inizializzatori del grafico, che deve essere eseguito tramite `tf.init()`:

Ex:

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

In modalità desiderosa, l'inizializzatore verrà eseguito automaticamente come risultato di questa chiamata.

Restituisce un nuovo set di dati che mappa una funzione su tutti gli elementi restituiti da questo set di dati.

Ad esempio, supponiamo che ogni elemento sia un List<Operand<?>> con 2 componenti: (funzionalità, etichette).

Chiamando

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))
      );
 );
 }

Restituisce un nuovo set di dati che mappa una funzione su tutti gli elementi di questo set di dati, su tutti i componenti di ciascun elemento.

Ad esempio, supponiamo che ogni elemento sia un List<Operand<?>> con 2 componenti: (funzionalità, etichette).

La chiamata dataset.mapAllComponents(component -> tf.math.mul(component, tf.constant(2))) mapperà la funzione sui componenti `features` e `labels` di ciascun elemento, moltiplicandoli tutti per 2

Restituisce un nuovo set di dati che mappa una funzione su tutti gli elementi di questo set di dati, su un singolo componente di ciascun elemento.

Ad esempio, supponiamo che ogni elemento sia un List<Operand<?>> con 2 componenti: (funzionalità, etichette).

La chiamata dataset.mapOneComponent(0, features -> tf.math.mul(features, tf.constant(2))) mapperà la funzione sul componente `features` di ciascun elemento, moltiplicandolo per 2.

Restituisce un nuovo "Dataset" che salta gli elementi iniziali "count" da questo dataset

Restituisce un nuovo "Dataset" con solo i primi elementi "count" di questo set di dati.