Dataset

Nhóm các phần tử của tập dữ liệu này thành các nhóm.

Nhóm các phần tử của tập dữ liệu này thành các nhóm. Bao gồm lô cuối cùng, ngay cả khi nó có ít hơn phần tử `batchSize`.

Tạo một `Bộ dữ liệu` trong bộ nhớ có các phần tử là các lát cắt của các tensor đã cho. Mỗi phần tử của tập dữ liệu này sẽ là một List<Operand<?>> , đại diện cho các lát (ví dụ: lô) của các tensor được cung cấp.

Nhận danh sách các hình dạng cho từng thành phần của tập dữ liệu này.

Nhận danh sách các loại đầu ra cho từng thành phần của tập dữ liệu này.

Lấy tensor biến thể đại diện cho tập dữ liệu này.

Tạo một trình vòng lặp lặp qua tất cả các lô của Bộ dữ liệu này một cách háo hức. Mỗi lô là một danh sách các thành phần, được trả về dưới dạng đối tượng `Output`.

Phương pháp này cho phép lặp lại từng đợt qua các đợt khi chạy ở chế độ háo hức. Để biết lặp lại hàng loạt chế độ Đồ thị, hãy xem `makeOneShotIterator`.

Tạo một `DatasetIterator` có thể được sử dụng để lặp lại các phần tử của tập dữ liệu này.

Trình lặp này sẽ phải được khởi tạo bằng lệnh gọi `iterator.makeInitializer(Dataset)` trước khi các phần tử có thể được truy xuất trong một vòng lặp.

Tạo một `DatasetIterator` có thể được sử dụng để lặp lại các phần tử của tập dữ liệu này. Việc sử dụng `makeOneShotIterator` đảm bảo rằng trình vòng lặp được khởi tạo tự động trên tập dữ liệu này. bỏ qua Trong chế độ biểu đồ, trình khởi tạo op sẽ được thêm vào danh sách trình khởi tạo của Biểu đồ, danh sách này phải được chạy thông qua `tf.init()`:

Bán tại:

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

Ở chế độ háo hức, trình khởi tạo sẽ tự động chạy do lệnh gọi này.

Trả về một Tập dữ liệu mới ánh xạ hàm trên tất cả các phần tử được tập dữ liệu này trả về.

Ví dụ: giả sử mỗi phần tử là một List<Operand<?>> có 2 thành phần: (tính năng, nhãn).

Đang gọi

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))
      );
 );
 }

Trả về một Tập dữ liệu mới ánh xạ một hàm trên tất cả các phần tử từ tập dữ liệu này, trên tất cả các thành phần của từng phần tử.

Ví dụ: giả sử mỗi phần tử là một List<Operand<?>> có 2 thành phần: (tính năng, nhãn).

Việc gọi dataset.mapAllComponents(component -> tf.math.mul(component, tf.constant(2))) sẽ ánh xạ hàm trên cả hai thành phần `features` và `labels` của mỗi phần tử, nhân tất cả chúng với 2

Trả về một Tập dữ liệu mới ánh xạ một hàm trên tất cả các phần tử từ tập dữ liệu này, trên một thành phần duy nhất của mỗi phần tử.

Ví dụ: giả sử mỗi phần tử là một List<Operand<?>> có 2 thành phần: (tính năng, nhãn).

Việc gọi dataset.mapOneComponent(0, features -> tf.math.mul(features, tf.constant(2))) sẽ ánh xạ hàm trên thành phần `features` của từng phần tử, nhân mỗi phần tử với 2.

Trả về một `Bộ dữ liệu` mới bỏ qua `đếm` các phần tử ban đầu từ tập dữ liệu này

Trả về một `Bộ dữ liệu` mới chỉ có các phần tử `đếm` đầu tiên từ tập dữ liệu này.