tensorFlow2.1下的tf.data.Dataset.from_tensor_slices()的用法

tensorFlow2.1下的tf.data.Dataset.from_tensor_slices()的用法

一、总结

一句话总结：

将输入的张量的第一个维度看做样本的个数，沿其第一个维度将tensor切片，得到的每个切片是一个样本数据。实现了输入张量的自动切片。

# from_tensor_slices 为输入张量的每一行创建一个带有单独元素的数据集
ts = tf.constant([[1, 2], [3, 4]])
ds = tf.data.Dataset.from_tensor_slices(ts)   # [1, 2], [3, 4]

二、tensorFlow2.1下的tf.data.Dataset.from_tensor_slices()的用法

转自或参考：tensorFlow2.1下的tf.data.Dataset.from_tensor_slices()和batch()的用法
https://www.pythonheidong.com/blog/article/287038/

1、tf.data.Dataset.from_tensor_slices

它的作用是切分传入Tensor的第一个维度，生成相应的dataset。

将输入的张量的第一个维度看做样本的个数，沿其第一个维度将tensor切片，得到的每个切片是一个样本数据。实现了输入张量的自动切片。

可以是numpy格式，也可以是tensorflow的tensor的格式，函数会自动将numpy格式转为tensorflow的tensor格式

输入可以是一个tensor 或 一个tensor字典（字典的每个key对应的value是一个tensor，要求各tensor的第一个维度相等） 或 一个tensor tuple（tuple 的每个元素是一个tensor，要求各tensor的第一个维度相等）。

示例 1：

import tensorflow as tf
t = tf.range(10.)[:, None]
t = tf.data.Dataset.from_tensor_slices(t)
#<TensorSliceDataset shapes: (1,), types: tf.float32>
for i in t:
    print(i.numpy())

# [0.]
# [1.]
# [2.]
# [3.]
# [4.]
# [5.]
# [6.]
# [7.]
# [8.]
# [9.]

示例2：

# from_tensor_slices 为输入张量的每一行创建一个带有单独元素的数据集
ts = tf.constant([[1, 2], [3, 4]])
ds = tf.data.Dataset.from_tensor_slices(ts)   # [1, 2], [3, 4]

2、batch函数

用示例看下batch函数

batch_t = t.batch(3)
for i in batch_t:
    print(i.numpy())

[[0.]
 [1.]
 [2.]]
[[3.]
 [4.]
 [5.]]
[[6.]
 [7.]
 [8.]]
[[9.]]