如何使用 tf.data.Dataset.apply() 重塑数据集

Question

我正在使用 tensorflow 中的时间序列模型。我的数据集包含物理信号。我需要将此信号划分为 windows，因为将此切片 windows 作为我模型的输入。

这是我读取数据并对其进行切片的方式：

import tensorflow as tf
import numpy as np
def _ds_slicer(data):
    win_len = 768
    return {"mix":(tf.stack(tf.split(data["mix"],win_len))),
            "pure":(tf.stack(tf.split(data["pure"],win_len)))}
dataset = tf.data.Dataset.from_tensor_slices({
    "mix" : np.random.uniform(0,1,[1000,24576]),
    "pure" : np.random.uniform(0,1,[1000,24576])
})
dataset = dataset.map(_ds_slicer)
print dataset.output_shapes
# {'mix': TensorShape([Dimension(768), Dimension(32)]), 'pure': TensorShape([Dimension(768), Dimension(32)])}

我想将此数据集重塑为 # {'mix': TensorShape([Dimension(32)]), 'pure': TensorShape([Dimension(32))}

numpy 中的等效转换如下所示：

signal  = np.random.uniform(0,1,[1000,24576])
sliced_sig = np.stack(np.split(signal,768,axis=1),axis=1)
print sliced_sig.shape #(1000, 768, 32)
sliced_sig=sliced_sig.reshape(-1, sliced_sig.shape[-1])
print sliced_sig.shape #(768000, 32)

我想过使用 tf.contrib.data.group_by_window 作为 dataset.apply() 的输入，但不知道如何使用它。有没有一种方法可以使用任何自定义转换来重塑数据集？

Answer 1

我认为您只是在寻找转换 tf.contrib.data.unbatch。这正是您想要的：

x = np.zeros((1000, 768, 32))

dataset = tf.data.Dataset.from_tensor_slices(x)
print(dataset.output_shapes)  # (768, 32)
dataset = dataset.apply(tf.contrib.data.unbatch())
print(dataset.output_shapes)  # (32,)

来自文档：

If elements of the dataset are shaped [B, a0, a1, ...], where B may vary from element to element, then for each element in the dataset, the unbatched dataset will contain B consecutive elements of shape [a0, a1, ...].

为 TF 2.0 编辑

（感谢@DavidParks）

从TF 2.0开始，可以直接使用tf.data.Dataset.unbatch:

x = np.zeros((1000, 768, 32))

dataset = tf.data.Dataset.from_tensor_slices(x)
print(dataset.output_shapes)  # (768, 32)
dataset = dataset.unbatch()
print(dataset.output_shapes)  # (32,)

如何使用 tf.data.Dataset.apply() 重塑数据集

How to use tf.data.Dataset.apply() for reshaping the dataset

python

tensorflow

tensorflow-datasets

为 TF 2.0 编辑