TensorFlow 2.0 中的张量和数据集有什么区别？

Question

我一直无法理解张量和数据集之间的区别。 从我设法在文档中找到的定义中：

张量：

张量是具有统一类型的多维 arrays

数据集：

表示一组可能很大的元素。

DataSet 是一种特殊类型的大张量吗？ 我的理解是，张量基本上是 pandas 数据帧，它们是沿“列”具有统一类型的 n 维结构（或者张量需要完全统一？）。 如果是这种情况，那么为什么存在 DataSet？ 它们是否具有张量没有的附加功能？

我有点迷失在不同张量类型的文档中，并且随着过渡到 tensorflow 2.0 我不确定我在网上找到的信息是否已被弃用。 任何帮助，将不胜感激。

Answer 1

您应该阅读更多文档。 链接在您的问题中，但为了清楚起见，这里是针对Tensors和Dataset的。

张量是 n 维的，这意味着它们可以具有任意数量的维度。 它们不是矩形的，这将被限制为二维。

数据集是用于输入数据的 API。 如果您的数据是 Dataset 形式，那么您可以使用tf.data模块提供的各种处理方法，例如并行处理、混洗、批处理等。 您还可以将您的特征与单个数据集中的标签进行匹配，而不是使用两个单独的张量对象。

遍历数据集后，您将获得张量对象。

如果您查看TensorFlow Datasets ，也许区别也会更清楚。 该项目以数据集形式分发数据。