একটি ডেটাসেট তৈরি করে যা অন্য ডেটাসেটের বিষয়বস্তুর একটি Bernoulli নমুনা নেয়।
এই ডেটাসেট তৈরির জন্য tf.data
Python API-তে কোনো রূপান্তর নেই। পরিবর্তে, এটি `filter_with_random_uniform_fusion` স্ট্যাটিক অপ্টিমাইজেশনের ফলে তৈরি হয়েছে। এই অপ্টিমাইজেশানটি সঞ্চালিত হবে কিনা তা tf.data.Options
এর `experimental_optimization.filter_with_random_uniform_fusion` বিকল্প দ্বারা নির্ধারিত হয়।
ধ্রুবক
স্ট্রিং | OP_NAME | এই অপের নাম, টেনসরফ্লো কোর ইঞ্জিন দ্বারা পরিচিত |
পাবলিক পদ্ধতি
আউটপুট < TType > | আউটপুট হিসাবে () টেনসরের প্রতীকী হ্যান্ডেল ফেরত দেয়। |
স্ট্যাটিক স্যাম্পলিং ডেটাসেট | |
আউটপুট <?> | হাতল () |
উত্তরাধিকারসূত্রে প্রাপ্ত পদ্ধতি
ধ্রুবক
সর্বজনীন স্ট্যাটিক চূড়ান্ত স্ট্রিং OP_NAME
এই অপের নাম, টেনসরফ্লো কোর ইঞ্জিন দ্বারা পরিচিত
পাবলিক পদ্ধতি
সর্বজনীন আউটপুট < TType > asOutput ()
টেনসরের প্রতীকী হ্যান্ডেল ফেরত দেয়।
TensorFlow অপারেশনের ইনপুট হল অন্য TensorFlow অপারেশনের আউটপুট। এই পদ্ধতিটি একটি প্রতীকী হ্যান্ডেল পেতে ব্যবহৃত হয় যা ইনপুটের গণনাকে প্রতিনিধিত্ব করে।
পাবলিক স্ট্যাটিক স্যাম্পলিংডেটাসেট তৈরি করুন ( স্কোপ স্কোপ, অপারেন্ড <?> ইনপুটডেটাসেট, অপারেন্ড < TFloat32 > হার, অপারেন্ড < TInt64 > বীজ, অপারেন্ড < TInt64 > বীজ 2, তালিকা< ক্লাস<? প্রসারিত TType >> আউটপুট টাইপস, আউটপুট টাইপ > আউটপুট আকার)
একটি নতুন স্যাম্পলিং ডেটাসেট অপারেশন মোড়ানো একটি ক্লাস তৈরি করার কারখানার পদ্ধতি।
পরামিতি
সুযোগ | বর্তমান সুযোগ |
---|---|
হার | নমুনা হার প্রতিনিধিত্বকারী একটি স্কেলার। `ইনপুট_ডেটাসেট`-এর প্রতিটি উপাদান এই সম্ভাব্যতার সাথে ধরে রাখা হয়, অন্য সব উপাদান থেকে স্বাধীন। |
বীজ | এলোমেলো সংখ্যা জেনারেটরের বীজ প্রতিনিধিত্বকারী একটি স্কেলার। |
বীজ2 | এলোমেলো সংখ্যা জেনারেটরের বীজ2 প্রতিনিধিত্বকারী একটি স্কেলার। |
রিটার্নস
- স্যাম্পলিং ডেটাসেটের একটি নতুন উদাহরণ