Python tf.data.experimental.SqlDataset.shuffle用法及代碼示例

用法

shuffle(
    buffer_size, seed=None, reshuffle_each_iteration=None, name=None
)

隨機打亂這個數據集的元素。

該數據集用buffer_size 元素填充緩衝區，然後從該緩衝區中隨機采樣元素，用新元素替換所選元素。對於完美的混洗，需要大於或等於數據集完整大小的緩衝區大小。

例如，如果您的數據集包含 10,000 個元素，但 buffer_size 設置為 1,000，則 shuffle 最初將僅從緩衝區中的前 1,000 個元素中選擇一個隨機元素。一旦選擇了一個元素，它在緩衝區中的空間就會被下一個(即第 1,001 個)元素替換，從而保持 1,000 個元素的緩衝區。

reshuffle_each_iteration 控製每個 epoch 的 shuffle 順序是否應該不同。在 TF 1.X 中，創建 epoch 的慣用方式是通過 repeat 轉換：

dataset = tf.data.Dataset.range(3)
dataset = dataset.shuffle(3, reshuffle_each_iteration=True)
dataset = dataset.repeat(2)
# [1, 0, 2, 1, 2, 0]

dataset = tf.data.Dataset.range(3)
dataset = dataset.shuffle(3, reshuffle_each_iteration=False)
dataset = dataset.repeat(2)
# [1, 0, 2, 1, 0, 2]

在 TF 2.0 中，tf.data.Dataset 對象是 Python 可迭代對象，這使得也可以通過 Python 迭代創建 epoch：

dataset = tf.data.Dataset.range(3)
dataset = dataset.shuffle(3, reshuffle_each_iteration=True)
list(dataset.as_numpy_iterator())
# [1, 0, 2]
list(dataset.as_numpy_iterator())
# [1, 2, 0]

dataset = tf.data.Dataset.range(3)
dataset = dataset.shuffle(3, reshuffle_each_iteration=False)
list(dataset.as_numpy_iterator())
# [1, 0, 2]
list(dataset.as_numpy_iterator())
# [1, 0, 2]