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

将参差不齐的元素批量转换为 tf.RaggedTensor 的转换。

用法

tf.data.experimental.dense_to_ragged_batch(
    batch_size, drop_remainder=False, row_splits_dtype=tf.dtypes.int64
)

参数

batch_size tf.int64 标量 tf.Tensor ，表示要在单个批次中组合的此数据集的连续元素的数量。
drop_remainder (可选。)一个 tf.bool 标量 tf.Tensor ，表示在最后一批少于 batch_size 元素的情况下是否应删除它；默认行为是不丢弃较小的批次。
row_splits_dtype 应该用于任何新不规则张量的 row_splits 的 dtype。现有 tf.RaggedTensor 元素的 row_splits dtype 未更改。

Dataset 一个Dataset。

此转换将输入数据集的多个连续元素组合成一个元素。

与 tf.data.Dataset.batch 一样，结果元素的组件将有一个额外的外部维度，即 batch_size (如果 batch_size 不均匀地划分输入元素的数量 N ，则为最后一个元素的 N % batch_size 并且drop_remainder 是 False )。如果您的程序依赖于具有相同外部尺寸的批次，则应将 drop_remainder 参数设置为 True 以防止生成较小的批次。

与 tf.data.Dataset.batch 不同，要批处理的输入元素可能具有不同的形状：

如果输入元素是一个 tf.Tensor，其静态 tf.TensorShape 已完全定义，则它按正常方式进行批处理。
如果输入元素是 tf.Tensor，其静态 tf.TensorShape 包含一个或多个尺寸未知的轴(即 shape[i]=None )，则输出将包含一个 tf.RaggedTensor ，它的大小不一。
如果输入元素是tf.RaggedTensor 或任何其他类型，则正常批处理。

例子：

dataset = tf.data.Dataset.from_tensor_slices(np.arange(6))
dataset = dataset.map(lambda x:tf.range(x))
dataset.element_spec.shape
TensorShape([None])
dataset = dataset.apply(
    tf.data.experimental.dense_to_ragged_batch(batch_size=2))
for batch in dataset:
  print(batch)
<tf.RaggedTensor [[], [0]]>
<tf.RaggedTensor [[0, 1], [0, 1, 2]]>
<tf.RaggedTensor [[0, 1, 2, 3], [0, 1, 2, 3, 4]]>

相关用法

注：本文由纯净天空筛选整理自tensorflow.org大神的英文原创作品 tf.data.experimental.dense_to_ragged_batch。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。

用法

参数

返回

例子：