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

加载以前保存的数据集。

用法

tf.data.experimental.load(
    path, element_spec=None, compression=None, reader_func=None
)

示例用法：

import tempfile
path = os.path.join(tempfile.gettempdir(), "saved_data")
# Save a dataset
dataset = tf.data.Dataset.range(2)
tf.data.experimental.save(dataset, path)
new_dataset = tf.data.experimental.load(path)
for elem in new_dataset:
  print(elem)
tf.Tensor(0, shape=(), dtype=int64)
tf.Tensor(1, shape=(), dtype=int64)

请注意，要加载以前保存的数据集，您需要指定 element_spec - 已保存数据集元素的类型签名，可以通过 tf.data.Dataset.element_spec 获得。存在此要求，因此加载数据集的形状推断不需要执行 I/O。

如果使用了对已保存数据集进行分片的默认选项，则在加载时将保留已保存数据集的元素顺序。

reader_func 参数可用于指定从各个分片加载元素的自定义顺序。 reader_func 预计将采用单个参数——一个数据集的数据集，每个数据集包含一个分片的元素——并返回一个元素的数据集。例如，分片的顺序可以在加载时打乱如下：

def custom_reader_func(datasets):
  datasets = datasets.shuffle(NUM_SHARDS)
  return datasets.interleave(lambda x:x, num_parallel_calls=AUTOTUNE)

dataset = tf.data.experimental.load(
    path="/path/to/data", ..., reader_func=custom_reader_func)