有没有办法堆叠两个张量流数据集？

Question

我想在 Tensorflow 中堆叠两个数据集对象（R 中的 rbind 函数）。我从 tfRecord 文件创建了一个数据集 A，从 numpy 数组创建了一个数据集 B。两者都有相同的变量。您知道是否有办法堆叠这两个数据集以创建更大的数据集？或者创建一个迭代器，从这两个源随机读取数据？

谢谢

Answer 1

tf.data.Dataset.concatenate() 方法是处理数据集时最接近 tf.stack() 的方法。如果您有两个具有相同结构的数据集（即每个组件的类型相同，但形状可能不同）：

dataset_1 = tf.data.Dataset.range(10, 20)
dataset_2 = tf.data.Dataset.range(60, 70)

然后您可以按如下方式连接它们：

combined_dataset = dataset_1.concatenate(dataset_2)

Answer 2

如果堆叠是指 tf.stack() 和 np.stack() 所做的：

Stacks a list of rank-R tensors into one rank-(R+1) tensor.

https://www.tensorflow.org/api_docs/python/tf/stack

Join a sequence of arrays along a new axis.

https://docs.scipy.org/doc/numpy/reference/generated/numpy.stack.html

那么我相信最接近的 tf.data.Dataset 是 Dataset.zip():

@staticmethod
zip(datasets)

Creates a Dataset by zipping together the given datasets.

https://www.tensorflow.org/api_docs/python/tf/data/Dataset?version=stable#zip

这允许您通过迭代原始数据集的共享维度来同时迭代多个数据集，类似于 stack()ed 张量或矩阵。

然后您还可以使用 .map(tf.stack) 或 .map(lambda *t: tf.stack(t, axis=-1)) 分别在前面或后面沿新维度堆叠张量，

如果你确实想达到 tf.concat() 和 np.concatenate() 的效果，那么你可以使用 Dataset.concatenate().

Answer 3

假设您有两个数据集，其元素形状分别为 (bs,d0,d1) 和 (bs,d0',d1)，并且您想要一个元素形状为 (bs,d0+d0',d1) 的新数据集) 您可以使用 tf.Dataset.zip 然后连接第二个轴上的每个元素，如下例所示：

import tensorflow as tf

a = tf.zeros((100,4,8))
b = tf.ones((100,1,8))

d1 = tf.data.Dataset.from_tensor_slices(a)
d1 = d1.batch(16,drop_remainder=True)      # elements shape (16,4,8)

d2 = tf.data.Dataset.from_tensor_slices(b)
d2 = d2.batch(16,drop_remainder=True)      # elements shape (16,1,8)

d = tf.data.Dataset.zip((d1,d2))
d = d.map(lambda x,y:tf.concat([x,y],axis=-2)) # elements shape (16,4+1,8)

it = iter(d)
x = next(it)
print(x.shape)
print(x)

如果您想将两个具有相同元素形状 (bs,d0,d1) 的数据集堆叠到一个具有元素形状 (bs,d0,d1,2) 的新数据集中，您可以压缩这两个数据集，然后然后放置元素

import tensorflow as tf

a = tf.zeros((100,4,8))
b = tf.ones((100,4,8))

d1 = tf.data.Dataset.from_tensor_slices(a)
d1 = d1.batch(16,drop_remainder=True)      # elements shape (16,4,8)

d2 = tf.data.Dataset.from_tensor_slices(b)
d2 = d2.batch(16,drop_remainder=True)      # elements shape (16,4,8)

d = tf.data.Dataset.zip((d1,d2))
d = d.map(lambda x,y:tf.stack([x,y],axis=-1)) # elements shape (16,4,8,2)

it = iter(d)
x = next(it)
print(x.shape)
print(x)

有没有办法堆叠两个张量流数据集？

Is there a way to stack two tensorflow datasets?

python

python-3.x

numpy

tensorflow

tensorflow-datasets