有没有办法堆叠两个 tensorflow 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。 你知道是否有办法将这两个数据集堆叠起来创建一个更大的数据集？ 或者创建一个从这两个来源随机读取数据的迭代器？

谢谢

Answer 1

所述tf.data.Dataset.concatenate()方法是最接近的类似物tf.stack()与数据集进行操作时。 如果您有两个结构相同的数据集（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)

那么您可以按如下方式连接它们：

combined_dataset = dataset_1.concatenate(dataset_2)

Answer 2

如果通过堆叠你的意思是tf.stack()和np.stack()做什么：

将一个秩为R张量列表堆叠为一个秩为(R+1)张量。

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

沿新轴连接一系列数组。

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

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

@staticmethod
zip(datasets)

通过将给定的数据Dataset压缩在一起来创建Dataset集。

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，

如果您确实想实现tf.concat()和np.concatenate()作用，那么您可以使用Dataset.concatenate() 。

Answer 3

假设您有两个元素形状分别为 (bs,d0,d1) 和 (bs,d0',d1) 的数据集，并且您想要一个元素形状为 (bs,d0+d0',d1) 的新数据集，您可以做到使用 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) 的数据集堆叠到具有元素形状 (bs,d0,d1,2) 的新数据集中，您可以压缩两个数据集，然后放样元素

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)