TensorFlow文本文件行的数据集

2018-04-26 10:21 更新

tf.contrib.data.TextLineDataset

继承自: Dataset

定义在:tensorflow/contrib/data/python/ops/dataset_ops.py.

一个包含来自一个或多个文本文件的行的数据集.

属性

  • output_shapes
  • output_types

方法

__init__

__init__(
    filenames,
    compression_type=None
)

创建一个 TextLineDataset.

ARGS:

  • filenames:一个 tf.string 张量包含一个或多个文件名.
  • compression_type:一个字符串,是:"" (no compression),"ZLIB",或"GZIP"中的一个.

batch

batch(batch_size)

将此数据集的连续元素组合成批处理.

ARGS:

  • batch_size:一个 tf.int64 的标量 tf.Tensor,表示此数据集的连续元素在单个批处理中合并的数量.

返回:

返回一个 Dataset.

cache

cache(filename = '')

缓存这个数据集中的元素.

ARGS:

  • filename:一个 tf.string 的标量 tf.Tensor,表示文件系统中用于缓存此数据集中的张量的目录的名称.如果未提供文件名,则数据集将缓存在内存中.

返回:

返回一个 Dataset.

concatenate

concatenate(dataset)

通过将给定的数据集与此数据集连接来创建数据集.

# NOTE: The following examples use `{ ... }` to represent the
# contents of a dataset.
a = { 1, 2, 3 }
b = { 4, 5, 6, 7 }

# Input dataset and dataset to be concatenated should have same
# nested structures and output types.
# c = { (8, 9), (10, 11), (12, 13) }
# d = { 14.0, 15.0, 16.0 }
# a.concatenate(c) and a.concatenate(d) would result in error.

a.concatenate(b) == { 1, 2, 3, 4, 5, 6, 7 }

ARGS:

  • dataset:要连接的数据集.

返回:

返回一个 Dataset.

dense_to_sparse_batch

dense_to_sparse_batch(
    batch_size,
    row_shape
)

将这个数据集的不规则元素批量放入到 tf.SparseTensors.

与 Dataset.padded_batch() 一样,此方法将此数据集的多个连续元素 (可能具有不同的形状) 合并到单个元素中.生成的元素有三个组件 (索引、值和 dense_shape),其中包括一个 tf.SparseTensor 表示相同数据的组件.row_shape 表示生成的 tf.SparseTensor 中每一行的稠密形状,其中有效批量大小被前置.例如:

# 注意:以下示例使用 `{ ... }`来表示数据集的内容
a = { ['a', 'b', 'c'], ['a', 'b'], ['a', 'b', 'c', 'd'] }

a.dense_to_sparse_batch(batch_size=2, row_shape=[6]) == {
    ([[0, 0], [0, 1], [0, 2], [1, 0], [1, 1]],  # indices
     ['a', 'b', 'c', 'a', 'b'],                 # values
     [2, 6]),                                   # dense_shape
    ([[2, 0], [2, 1], [2, 2], [2, 3]],
     ['a', 'b', 'c', 'd'],
     [1, 6])
}

ARGS:

  • batch_size:一个 tf.int64 的标量 tf.Tensor,表示此数据集的连续元素在单个批处理中合并的数量.
  • row_shape:一个 tf.TensorShape 或 tf.int64 向量张量样对象,表示在所产生 tf.SparseTensor 的行的等效稠密形状.此数据集的每个元素必须具有与row_shape 相同的秩,并且在每个维度中必须具有小于或等于 row_shape 的大小.

返回:

返回一个 Dataset.

enumerate

enumerate(start=0)

枚举此数据集的元素.类似于 python 的枚举.

例如:

# NOTE: The following examples use `{ ... }` to represent the
# contents of a dataset.
a = { 1, 2, 3 }
b = { (7, 8), (9, 10), (11, 12) }

# The nested structure of the `datasets` argument determines the
# structure of elements in the resulting dataset.
a.enumerate(start=5) == { (5, 1), (6, 2), (7, 3) }
b.enumerate() == { (0, (7, 8)), (1, (9, 10)), (2, (11, 12)) }

ARGS:

  • start:一个 tf.int64 的标量 tf.Tensor,表示枚举的起始值.

返回:

返回一个 Dataset.

filter

filter(predicate)

根据这个数据集过滤predicate.

ARGS:

  • predicate:一个函数,用于映射张量的嵌套结构(具有由 self.output_shapes 和 self.output_types 定义的形状和类型)到标量 tf.bool 的张量.

返回:

返回一个 Dataset.

flat_map

flat_map(map_func)

将 map_func 映射到这个数据集并拼合结果.

ARGS:

  • map_func:一个函数,映射张量的嵌套结构(具有由 self.output_shapes 和 self.output_types 定义的形状和类型)到数据集.

返回:

返回一个 Dataset.

from_sparse_tensor_slices

from_sparse_tensor_slices ( sparse_tensor )

在此数据集中逐行分割每个秩为 N 的 tf.SparseTensor .

ARGS:

  • sparse_tensor:一个 tf.SparseTensor.

返回:

返回秩为 (N-1) 稀疏张量的数据集.

from_tensor_slices

from_tensor_slices (tensors) 

创建一个数据集,其元素是给定张量的片段.

ARGS:

  • tensors:张量的一种嵌套结构,在第0维度中各有相同的大小.

返回:

返回一个 Dataset.

from_tensors

from_tensors(tensors)

创建一个包含给定张量的单个元素的数据集.

ARGS:

  • tensors:张量的嵌套结构.

返回:

返回一个 Dataset.

group_by_window

group_by_window(
    key_func,
    reduce_func,
    window_size
)

对此数据集执行窗口化的“group-by”操作.

此方法将此数据集中的每个连续元素映射到使用 key_func 的键,并按键对元素进行分组.然后,它将 reduce_func 应用于与同一密钥匹配的大多数 window_size 元素.每个键的所有窗口(除了最后一个)将包含 window_size 元素;最后的窗口可能较小.

ARGS:

  • key_func:一个函数,用于映射张量的嵌套结构(具有由 self.output_shapes 和 self.output_types 定义的形状和类型)到标量 tf.int64 张量.
  • reduce_func:将 batch_size 匹配该键的连续元素的键和数据集映射到另一个数据集的函数.
  • window_size:一个 tf.int64 的标量 tf.Tensor,表示与同一密钥相匹配的连续元素的个数,将其合并到单个批处理中,并将其传递给 reduce_func.

返回:

返回一个 Dataset.

ignore_errors

ignore_errors ()

从此项创建数据集, 并默默忽略任何错误.

使用此转换可以生成包含与输入相同元素的数据集, 但会默默地丢弃导致错误的任何元素.例如:

dataset = tf.contrib.data.Dataset.from_tensor_slices([1., 2., 0., 4.])

# Computing `tf.check_numerics(1. / 0.)` will raise an InvalidArgumentError.
dataset = dataset.map(lambda x: tf.check_numerics(1. / x, "error"))

# Using `ignore_errors()` will drop the element that causes an error.
dataset = dataset.ignore_errors()  # ==> { 1., 0.5, 0.2 }

返回:

返回一个 Dataset.

interleave

interleave ( 
    map_func , 
    cycle_length , 
    block_length = 1 
) 

将 map_func 映射到这个数据集,并对结果进行交织.

例如,您可以使用 Dataset.interleave() 同时处理多个输入文件:

# Preprocess 4 files concurrently, and interleave blocks of 16 records from
# each file.
filenames = ["/var/data/file1.txt", "/var/data/file2.txt", ..."]
dataset = (Dataset.from_tensor_slices(filenames)
           .interleave(
               lambda x: TextLineDataset(x).map(parse_fn, num_threads=1),
               cycle_length=4, block_length=16))

cycle_length 和 block_length 参数元素的生成顺序.cycle_length 控制并发处理的输入元素的数量.如果将cycle_length 设置为1,则此转换将一次处理一个输入元素,并将产生与 tf.contrib.data.Dataset.flat_map 相同的结果.一般来说,这种转换将应用 map_func 到 cycle_length 的输入元素,在返回的 Dataset 对象上打开迭代器,并循环通过它们生成每个迭代器的 block_length 连续元素,并在每次到达迭代器结束时使用下一个输入元素.

例如:

# 注意: 以下示例使用 `{ ... }` 来表示数据集的内容.
a = { 1, 2, 3, 4, 5 }

# NOTE: New lines indicate "block" boundaries.
a.interleave(lambda x: Dataset.from_tensors(x).repeat(6),
             cycle_length=2, block_length=4) == {
    1, 1, 1, 1,
    2, 2, 2, 2,
    1, 1,
    2, 2,
    3, 3, 3, 3,
    4, 4, 4, 4,
    3, 3,
    4, 4,
    5, 5, 5, 5,
    5, 5,
}

ARGS:

  • map_func:一个函数,映射张量嵌套结构(具有由 self.output_shapes 和 self.output_types 定义的形状和类型)到一个 Dataset.
  • cycle_length:此数据集中的元素数, 将同时处理.
  • block_length:在循环到另一个输入元素之前,从每个输入元素生成的连续元素的数量.

返回:

返回一个 Dataset.

list_files

list_files ( file_pattern )

与模式匹配的所有文件的数据集.

示例:如果我们的文件系统上有以下文件: "- /path/to/dir/a.txt - /path/to/dir/b.py - /path/to/dir/c.py" 如果我们传递 “/ path / to / dir / *.py“ 作为目录,数据集将产生:" - /path/to/dir/b.py - /path/to/dir/c.py"

ARGS:

  • file_pattern:一个字符串或标量字符串 tf.Tensor,表示将匹配的文件名模式.

返回:

与文件名相对应的字符串的数据集.

make_dataset_resource

make_dataset_resource ()

make_initializable_iterator

make_initializable_iterator(shared_name=None)

创建用于枚举此数据集的元素的迭代器.

返回的迭代器将处于未初始化状态, 您必须先运行 iterator.initializer 操作,然后再使用它.

ARGS:

  • shared_name:(可选)如果为非空, 则此迭代器将在共享相同设备的多个会话 (例如, 使用远程服务器时) 的给定名称下共享.

返回:

此数据集的元素上的迭代器.

make_one_shot_iterator

make_one_shot_iterator ()

创建用于枚举此数据集的元素的迭代器.

返回的迭代器将自动初始化."one-shot" 迭代器当前不支持重新初始化.

返回:

此数据集的元素上的迭代器.

map

map ( 
    map_func , 
    num_threads = None , 
    output_buffer_size = None
 )

将 map_func 映射到这个数据集.

ARGS:

  • map_func:一个函数,映射张量的嵌套结构(具有由 self.output_shapes 和 self.output_types 定义的形状和类型)到另一个张量的嵌套结构.
  • num_threads:(可选)一个 tf.int32 的标量 tf.Tensor,表示用于并行处理元素的线程数.如果未指定,元素将被顺序处理而不进行缓冲.
  • output_buffer_size:(可选)一个 tf.int64 的标量 tf.Tensor,表示在并行处理时将缓冲的已处理元素的最大数量.

返回:

返回一个 Dataset.

padded_batch

padded_batch ( 
    batch_size , 
    padded_shapes , 
    padding_values = None
 )

将此数据集的连续元素合并为填充的批处理.

与数据集 dense_to_sparse_batch () 一样, 此方法将此数据集的多个连续元素 (可能具有不同的形状) 合并到单个元素中.结果元素中的张量有一个额外的外部维度, 并填充到 padded_shapes 中的相应形状.

ARGS:

  • batch_size:一个 tf.int64 的标量 tf.Tensor,表示在单个批次中组合的此数据集的连续元素的数量.
  • padded_shapes:表示每个输入元素的各个组件在批量之前应填充的形状的嵌套结构 tf.TensorShape 或 tf.int64 向量张量样对象.任何未知的维度(例如,tf.Dimension(None)在一个 tf.TensorShape 或-1类似张量的对象中)将被填充到每个批次中该维度的最大尺寸.
  • padding_values:(可选)标量形状的 tf.Tensor 的嵌套结构,表示用于各个组件的填充值.对于数字类型, 默认值为 0, 字符串类型为空字符串.

返回:

返回一个 Dataset.

range

range(*args)

创建一个分步分隔的值范围的数据集.

例如:

Dataset.range(5) == [0, 1, 2, 3, 4]
Dataset.range(2, 5) == [2, 3, 4]
Dataset.range(1, 5, 2) == [1, 3]
Dataset.range(1, 5, -2) == []
Dataset.range(5, 1) == []
Dataset.range(5, 1, -2) == [5, 3]

ARGS:

* args:遵循与 python 的 xrange 相同的语义.len(args)== 1 - > start = 0,stop = args [0],step = 1 len(args)== 2 - > start = args [0],stop = args [1],step = 1 len (args)== 3 - > start = args [0],stop = args [1,stop = args [2]

返回:

返回一个 RangeDataset.

注意:

  • ValueError:如果 len(args)== 0.

read_batch_features

read_batch_features ( 
    file_pattern , 
    batch_size , 
    features , 
    reader , 
    reader_args = None , 
    randomize_input = True , 
    num_epochs = None , 
    capacity = 10000 
)

读取批次的示例.

ARGS:

  • file_pattern:字符串模式或带有文件名列表的占位符.
  • batch_size:一个 tf.int64 的标量 tf.Tensor,表示此数据集的连续元素在单个批处理中合并的数量.
  • features:字典映射功能键 FixedLenFeature 或 VarLenFeature 值.见 tf. parse_example.
  • reader:可以用文件名张量和 (可选) reader_args 调用的函数或类,并返回序列化示例的数据集.
  • reader_args:要传递给读取器类的其他参数.
  • randomize_input:输入是否应该是随机的.
  • num_epochs:整数,指定通过数据集读取的次数.如果没有,则永远循环遍历数据集.
  • capacity:ShuffleDataset 的容量.

返回:

返回一个 Dataset.

repeat

repeat(count=None)

重复此数据集的 count 次数.

ARGS:

  • count:(可选)一个 tf.int64 的标量 tf.Tensor,表示应该重复此数据集的元素的次数.默认行为(如果 count 是 None 或 -1)是为了无限期地重复这些元素.

返回:

返回一个 Dataset.

shuffle

shuffle(
    buffer_size,
    seed=None
)

随机地打乱此数据集的元素.

ARGS:

  • buffer_size:一个 tf.int64 的标量 tf.Tensor,表示新数据集将从该数据集中取样的元素数.
  • seed:(可选)一个 tf.int64 的标量 tf.Tensor,表示将用于创建分布的随机种子.见 tf. set_random_seed 的行为.

返回:

返回一个 Dataset.

skip

skip(count)

创建一个从该数据集中跳过计数元素的数据集.

ARGS:

  • count:一个 tf.int64 的标量 tf.Tensor,表示应跳过的此数据集的元素数,以形成新的数据集.如果 count 大于此数据集的大小,则新数据集将不包含任何元素.如果计数为-1,则跳过整个数据集.

返回:

返回一个 Dataset.

take

take(count)

使用此数据集中的最多的 count 元素创建数据集.

ARGS:

  • count:一个 tf.int64 的标量 tf.Tensor,表示应用于形成新数据集的此数据集的元素数.如果 count 为-1,或者如果 count 大于此数据集的大小,则新数据集将包含此数据集的所有元素.

返回:

返回一个 Dataset.

unbatch

unbatch()

将此数据集的元素拆分为连续元素的序列.

例如,如果此数据集的元素被塑造为 [B, a0, a1, ...],其中 B 可能会因元素而异,那么对于此数据集中的每个元素,未分割数据集将包含 B 连续的形状元素 [a0, a1, ...].

返回:

返回一个 Dataset.

zip

zip (datasets)

通过将给定数据集压缩在一起来创建数据集.
此方法与 Python 中的内置 zip () 函数具有相似的语义,主要区别在于数据集参数可以是数据集对象的任意嵌套结构.例如:

# NOTE: The following examples use `{ ... }` to represent the
# contents of a dataset.
a = { 1, 2, 3 }
b = { 4, 5, 6 }
c = { (7, 8), (9, 10), (11, 12) }
d = { 13, 14 }

# The nested structure of the `datasets` argument determines the
# structure of elements in the resulting dataset.
Dataset.zip((a, b)) == { (1, 4), (2, 5), (3, 6) }
Dataset.zip((b, a)) == { (4, 1), (5, 2), (6, 3) }

# The `datasets` argument may contain an arbitrary number of
# datasets.
Dataset.zip((a, b, c)) == { (1, 4, (7, 8)),
                            (2, 5, (9, 10)),
                            (3, 6, (11, 12)) }

# The number of elements in the resulting dataset is the same as
# the size of the smallest dataset in `datasets`.
Dataset.zip((a, d)) == { (1, 13), (2, 14) }

ARGS:

  • datasets:数据集的嵌套结构.

返回:

返回一个 Dataset.

以上内容是否对您有帮助:
在线笔记
App下载
App下载

扫描二维码

下载编程狮App

公众号
微信公众号

编程狮公众号