如何在 tf.data.Dataset 中输入不同大小的列表列表

Question

我有一长串整数列表（代表句子，每个句子的大小不同），我想使用 tf.data 库提供它们。每个列表（列表的列表）都有不同的长度，我得到一个错误，我可以在这里重现：

t = [[4,2], [3,4,5]]
dataset = tf.data.Dataset.from_tensor_slices(t)

我得到的错误是：

ValueError: Argument must be a dense tensor: [[4, 2], [3, 4, 5]] - got shape [2], but wanted [2, 2].

有办法吗？

编辑 1：明确地说，我不想填充列表的输入列表（这是一个包含超过一百万个元素的句子列表，具有不同的长度）我想使用 tf.data 库以适当的方式提供不同长度的列表列表。

Answer 1

我认为 tensorflow 不支持沿给定维度具有不同数量元素的张量。

但是，一个简单的解决方案是用尾随零填充嵌套列表（必要时）：

t = [[4,2], [3,4,5]]
max_length = max(len(lst) for lst in t)
t_pad = [lst + [0] * (max_length - len(lst)) for lst in t]
print(t_pad)
dataset = tf.data.Dataset.from_tensor_slices(t_pad)
print(dataset)

输出：

[[4, 2, 0], [3, 4, 5]]
<TensorSliceDataset shapes: (3,), types: tf.int32>

零对于模型来说应该不是什么大问题：从语义上讲，它们只是每个实际句子列表末尾的零大小的额外句子。

Answer 2

您可以使用 tf.data.Dataset.from_generator() 将任何可迭代的 Python 对象（如列表的列表）转换为 Dataset:

t = [[4, 2], [3, 4, 5]]

dataset = tf.data.Dataset.from_generator(lambda: t, tf.int32, output_shapes=[None])

iterator = dataset.make_one_shot_iterator()
next_element = iterator.get_next()

with tf.Session() as sess:
  print(sess.run(next_element))  # ==> '[4, 2]'
  print(sess.run(next_element))  # ==> '[3, 4, 5]'

Answer 3

除了@mrry 的回答之外，如果您想创建（图像，标签）对，也可以使用以下代码：

import itertools
data = tf.data.Dataset.from_generator(lambda: itertools.izip_longest(images, labels),
                                      output_types=(tf.float32, tf.float32),
                                      output_shapes=(tf.TensorShape([None, None, 3]), 
                                                     tf.TensorShape([None])))

iterator = dataset.make_one_shot_iterator()
next_element = iterator.get_next()

with tf.Session() as sess:
    image, label = sess.run(next_element)  # ==> shape: [320, 420, 3], [20]
    image, label = sess.run(next_element)  # ==> shape: [1280, 720, 3], [40]

Answer 4

对于那些使用 TensorFlow 2 并寻找答案的人我发现以下内容可以直接与参差不齐的张量一起使用。这应该比生成器快得多，只要整个数据集适合内存。

t = [[[4,2]],
     [[3,4,5]]]

rt=tf.ragged.constant(t)
dataset = tf.data.Dataset.from_tensor_slices(rt)

for x in dataset:
  print(x)

生产

<tf.RaggedTensor [[4, 2]]>
<tf.RaggedTensor [[3, 4, 5]]>

出于某种原因，在单个数组上至少有 2 个维度是非常特别的。

如何在 tf.data.Dataset 中输入不同大小的列表列表

How to input a list of lists with different sizes in tf.data.Dataset

python

tensorflow

tensorflow-datasets