为什么 `tf.data.Dataset.map` 运行 只有一次？

Question

我一直在四处挖掘。仍然让我感到困惑，我无法在任何地方找到明确的解释。

dataset1 = tf.data.Dataset.from_tensor_slices(([1]*20))
dataset1 = (dataset1
            .batch(4)
            .map(lambda x: x+random.randint(0,20)))

for batch in iter(dataset1):
  print(batch)

tf.Tensor([21 21 21 21], shape=(4,), dtype=int32)
tf.Tensor([21 21 21 21], shape=(4,), dtype=int32)
tf.Tensor([21 21 21 21], shape=(4,), dtype=int32)
tf.Tensor([21 21 21 21], shape=(4,), dtype=int32)
tf.Tensor([21 21 21 21], shape=(4,), dtype=int32)

我希望 .map 表现得像 正常 函数 map。其中，它应该对每个元素应用一个函数。感觉我的一些假设完全不对。

Answer 1

任何 tensorflow 声明都是执行图的声明，在您的情况下

必须是 sess = tf.Session() , sess.run(object) , sess.run(dataset1 额外的 sess = tf.Session() , sess.run(object) , sess.run(dataset1

Answer 2

需要使用tf.random模块，因为原生python只会生成数字 一次

dataset1 = tf.data.Dataset.from_tensor_slices(([1]*20))
dataset1 = (dataset1
            .batch(4)
            .map(lambda x: x+tf.random.uniform((), 0, 20, tf.int32)))

for batch in iter(dataset1):
    print(batch)