Python tf.raw_ops.WindowDataset用法及代码示例

将输入元素(嵌套)组合成窗口(嵌套)的数据集。

用法

tf.raw_ops.WindowDataset(
    input_dataset, size, shift, stride, drop_remainder, output_types, output_shapes,
    metadata='', name=None
)

"window" 是大小为 size 的平面元素的有限数据集(如果没有足够的输入元素来填充窗口并且 drop_remainder 评估为假，则可能更少)。

shift 参数确定窗口在每次迭代中移动的输入元素的数量。 k th 窗口中的第一个元素将是元素

1 + (k-1) * shift

的输入数据集。特别是，第一个窗口的第一个元素将始终是输入数据集的第一个元素。

如果stride 参数大于1，则每个窗口将跳过窗口中出现的每个元素之间的(stride - 1) 输入元素。无论 stride 的值如何，输出窗口仍将包含 size 元素。

stride 参数确定输入元素的步幅，shift 参数确定窗口的位移。

例如，让{...} 表示一个数据集：

• tf.data.Dataset.range(7).window(2) 产生 { {0, 1}, {2, 3}, {4, 5}, {6} }
• tf.data.Dataset.range(7).window(3, 2, 1, True) 产生 { {0, 1, 2}, {2, 3, 4}, {4, 5, 6} }
• tf.data.Dataset.range(7).window(3, 1, 2, True) 产生 { {0, 2, 4}, {1, 3, 5}, {2, 4, 6} }

请注意，当 window 转换应用于嵌套元素的数据集时，它会生成嵌套窗口的数据集。

例如：

• tf.data.Dataset.from_tensor_slices((range(4), range(4))).window(2)生产{({0, 1}, {0, 1}), ({2, 3}, {2, 3})}
• tf.data.Dataset.from_tensor_slices({"a":range(4)}).window(2) 产生 { {"a":{0, 1} }, {"a":{2, 3} } }