什么是 tensorflow.python.data.ops.dataset_ops._OptionsDataset？

Question

我正在使用来自 tensorflow 的 Transformer 代码 - https://www.tensorflow.org/beta/tutorials/text/transformer

在这段代码中，使用的数据集是这样加载的 -

examples, metadata = tfds.load('ted_hrlr_translate/pt_to_en', with_info=True,
                               as_supervised=True)
train_examples, val_examples = examples['train'], examples['validation']

当我使用以下命令检查 train_examples 的类型时：

type(train_examples)

我得到以下作为输出 -

tensorflow.python.data.ops.dataset_ops._OptionsDataset

现在我只想更改数据集的一些条目，即句子，但我无法理解，因为我不理解类型。

我可以使用以下方法对其进行迭代：

for data in train_examples:
    print(data,type(data))

数据类型是 -

<class 'tuple'>

最后我想要的是用我自己的数据替换这些元组中的一些。 有人能告诉我怎么做，或者给我一些关于这种类型的细节tensorflow.python.data.ops.dataset_ops._OptionsDataset 。

Answer 1

tensorflow.python.data.ops.dataset_ops._OptionsDataset只是扩展基类tf.compat.v2.data.Dataset (DatasetV2) 的另一个类，它包含tf.data.Options以及原始的tf.compat.v2.data.Dataset集tf.compat.v2.data.Dataset集（您的案例中的葡萄牙语-英语元组）。

（ tf.data.Options在您对数据集tf.data.Dataset.map或tf.data.Dataset.interleave使用流函数时tf.data.Dataset.interleave ）

如何查看单个元素？

我确信有很多方法，但一种直接的方法是在基类中使用迭代器：

由于examples['train']是_OptionsDataset一种类型，这里通过调用tf.compat.v2.data.Dataset的方法进行tf.compat.v2.data.Dataset

iterator = examples['train'].__iter__()
next_element = iterator.get_next()
pt = next_element[0]
en = next_element[1]
print(pt.numpy())
print(en.numpy())

这是输出：

b'o problema \xc3\xa9 que nunca vivi l\xc3\xa1 um \xc3\xbanico dia .'
b"except , i 've never lived one day of my life there ."

用您自己的数据替换：

由于您没有提到要用什么来替换原始数据集，我假设您有一个包含自己特定翻译的 CSV/TSV 文件。 然后通过调用 CSV API 将您的 CSV 文件读入数据集来创建一个单独的tf.compat.v2.data.Dataset对象本身应该很有用：

tf.data.experimental.make_csv_dataset

https://colab.research.google.com/github/tensorflow/docs/blob/master/site/en/r2/tutorials/load_data/csv.ipynb