tf.data.Dataset.from_tensor_slices() 详解

函数原型：

tf.data.Dataset.from_tensor_slices(tensors, name=None )

官网地址：https://www.tensorflow.org/api_docs/python/tf/data/Dataset#from_tensor_slices

功能介绍：

该函数的作用是接收tensor，对tensor的第一维度进行切分，并返回一个表示该tensor的切片数据集

示例讲解：

# Slicing a 1D tensor produces scalar tensor elements. import tensorflow as tfdataset = tf.data.Dataset.from_tensor_slices([1, 2, 3]) print(dataset) print(list(dataset.as_numpy_iterator())) <TensorSliceDataset shapes: (), types: tf.int32> [1, 2, 3] # Slicing a 2D tensor produces 1D tensor elements. dataset = tf.data.Dataset.from_tensor_slices([[1, 2], [3, 4]]) print(dataset) print(list(dataset.as_numpy_iterator())) <TensorSliceDataset shapes: (2,), types: tf.int32> [array([1, 2]), array([3, 4])] # Slicing a tuple of 1D tensors produces tuple elements containing # scalar tensors. dataset = tf.data.Dataset.from_tensor_slices(([1, 2], [3, 4], [5, 6])) print(dataset) print(list(dataset.as_numpy_iterator())) <TensorSliceDataset shapes: ((), (), ()), types: (tf.int32, tf.int32, tf.int32)> [(1, 3, 5), (2, 4, 6)] # Dictionary structure is also preserved. dataset = tf.data.Dataset.from_tensor_slices({"a": [1, 2], "b": [3, 4]}) print(dataset) print(list(dataset.as_numpy_iterator())) <TensorSliceDataset shapes: {a: (), b: ()}, types: {a: tf.int32, b: tf.int32}> [{'a': 1, 'b': 3}, {'a': 2, 'b': 4}]

实战案例：

• 深度学习100例-卷积神经网络（CNN）识别验证码 | 第12天

总结

以上是生活随笔为你收集整理的tf.data.Dataset.from_tensor_slices() 详解的全部内容，希望文章能够帮你解决所遇到的问题。

如果觉得生活随笔网站内容还不错，欢迎将生活随笔推荐给好友。