Python tf.data.experimental.TFRecordWriter用法及代码示例

将数据集写入 TFRecord 文件。 (已弃用)

用法

tf.data.experimental.TFRecordWriter(
    filename, compression_type=None
)

警告：此函数已弃用。它将在未来的版本中删除。更新说明：要将 TFRecords 写入磁盘，请使用 tf.io.TFRecordWriter 。要保存和加载数据集的内容，请使用 tf.data.experimental.save 和 tf.data.experimental.load

数据集的元素必须是标量字符串。要将数据集元素序列化为字符串，可以使用 tf.io.serialize_tensor 函数。

dataset = tf.data.Dataset.range(3)
dataset = dataset.map(tf.io.serialize_tensor)
writer = tf.data.experimental.TFRecordWriter("/path/to/file.tfrecord")
writer.write(dataset)

要读回元素，请使用 TFRecordDataset 。

dataset = tf.data.TFRecordDataset("/path/to/file.tfrecord")
dataset = dataset.map(lambda x:tf.io.parse_tensor(x, tf.int64))

要跨多个 TFRecord 文件分片 dataset：

dataset = ... # dataset to be written

def reduce_func(key, dataset):
  filename = tf.strings.join([PATH_PREFIX, tf.strings.as_string(key)])
  writer = tf.data.experimental.TFRecordWriter(filename)
  writer.write(dataset.map(lambda _, x:x))
  return tf.data.Dataset.from_tensors(filename)

dataset = dataset.enumerate()
dataset = dataset.apply(tf.data.experimental.group_by_window(
  lambda i, _:i % NUM_SHARDS, reduce_func, tf.int64.max
))

# Iterate through the dataset to trigger data writing.
for _ in dataset:
  pass