tf.data.Dataset.shuffle(buffer

tf.data.Dataset.shuffle(buffer,第1张

tf.data.Dataset.shuffle(buffer

 

假定输入的数据为 A:=[0,1,2,3,4,5,6,7,8], buffer_sizer:=2.

A.shuffle(2)的工作思路:

 1.取A的 前两个元素 {0,1} 从中随机选出 1个元素, 例如 1. 原先的数据变为 A=[0,2,3,4,5,6,7,8]

 2. 重复1 至不能再重复

3. 将选出的元素按顺序写下.

上面的思路可以推论出 A 中第 i 个元素在 shuffle 后 只能出现在 第 i-1 个位置或更靠后.


 

dataset = tf.data.Dataset.from_tensor_slices([0, 1, 2,3,4, 5,6,7,8])
dataset1 = dataset.shuffle(2)
dataset = dataset.batch(3)


for elem in dataset1:
  print(elem)




#输出为
tf.Tensor(1, shape=(), dtype=int32)
tf.Tensor(0, shape=(), dtype=int32)
tf.Tensor(2, shape=(), dtype=int32)
tf.Tensor(4, shape=(), dtype=int32)
tf.Tensor(3, shape=(), dtype=int32)
tf.Tensor(5, shape=(), dtype=int32)
tf.Tensor(7, shape=(), dtype=int32)
tf.Tensor(6, shape=(), dtype=int32)
tf.Tensor(8, shape=(), dtype=int32)

 

欢迎分享,转载请注明来源:内存溢出

原文地址: https://outofmemory.cn/zaji/5659922.html

(0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
上一篇 2022-12-16
下一篇 2022-12-16

发表评论

登录后才能评论

评论列表(0条)

保存