Python tf.compat.v1.data.Dataset.from_generator用法及代碼示例

用法

@staticmethod
from_generator(
    generator, output_types=None, output_shapes=None, args=None,
    output_signature=None, name=None
)

創建一個 Dataset，其元素由 generator 生成。 (不推薦使用的參數)

警告：不推薦使用某些參數：(output_shapes, output_types)。它們將在未來的版本中被刪除。更新說明：改用output_signature

generator 參數必須是可調用對象，該對象返回支持 iter() 協議的對象(例如生成器函數)。

generator 生成的元素必須與給定的 output_signature 參數或給定的 output_types 和(可選)output_shapes 參數兼容，以指定者為準。

調用from_generator 的推薦方法是使用output_signature 參數。在這種情況下，將假定輸出由具有由output_signature 參數中的tf.TypeSpec 對象定義的類、形狀和類型的對象組成：

def gen():
  ragged_tensor = tf.ragged.constant([[1, 2], [3]])
  yield 42, ragged_tensor

dataset = tf.data.Dataset.from_generator(
     gen,
     output_signature=(
         tf.TensorSpec(shape=(), dtype=tf.int32),
         tf.RaggedTensorSpec(shape=(2, None), dtype=tf.int32)))

list(dataset.take(1))
[(<tf.Tensor:shape=(), dtype=int32, numpy=42>,
<tf.RaggedTensor [[1, 2], [3]]>)]

還有一種不推薦使用的方法來調用from_generator，可以單獨使用output_types 參數或與output_shapes 參數一起使用。在這種情況下，函數的輸出將假定由 tf.Tensor 對象組成，其類型由 output_types 定義，形狀未知或由 output_shapes 定義。

注意：Dataset.from_generator() 的當前實現使用 tf.numpy_function 並繼承相同的約束。特別是，它要求將數據集和迭代器相關操作放置在與調用 Dataset.from_generator() 的 Python 程序相同的進程中的設備上。 generator 的主體不會在 GraphDef 中序列化，如果您需要序列化模型並在不同的環境中恢複它，則不應使用此方法。

注意：如果 generator 依賴於可變全局變量或其他外部狀態，請注意運行時可能會調用 generator 多次(以支持重複 Dataset )以及在調用 Dataset.from_generator() 和從生成器生產第一個元素。改變全局變量或外部狀態可能會導致未定義的行為，我們建議您在調用 Dataset.from_generator() 之前顯式緩存 generator 中的任何外部狀態。

注意：雖然output_signature 參數可以產生Dataset 元素，但Dataset.from_generator() 的範圍應限於無法通過tf.data 操作表達的邏輯。在生成器函數中使用 tf.data 操作是一種反模式，可能會導致內存增長。