等號，關(guān)于張量流數(shù)據(jù)集，并沒有真正為變量賦值

Python

慕的地6264312 2023-06-13 19:13:36

在使用 tensorflow 數(shù)據(jù)集的操作時，我發(fā)現(xiàn)了一些有趣的東西。讓我先給你看代碼：import tensorflow as tfdataset = tf.data.Dataset.range(10)dataset1=dataset.shuffle(10, reshuffle_each_iteration=False) dataset2=dataset.shuffle(10, reshuffle_each_iteration=True)ds11=dataset1.take(7)ds12=dataset1.skip(7)ds21=dataset2.take(7)ds22=dataset2.skip(7)ds22s=ds22.shuffle(7)print(list(dataset2.as_numpy_iterator()))print(list(ds11.as_numpy_iterator()))print(list(ds12.as_numpy_iterator()))print(list(ds21.as_numpy_iterator()))print(list(ds22.as_numpy_iterator()))print(list(ds22s.as_numpy_iterator()))輸出：[3, 0, 7, 9, 8, 5, 4, 1, 6, 2][2, 0, 4, 8, 5, 3, 6][1, 9, 7][2, 6, 8, 0, 7, 3, 9][2, 8, 5][1, 0, 2]所以，問題是最后兩個打印結(jié)果應(yīng)該有相同的元素（當然不是相同的順序）；但是，如您所見，事實并非如此。我的猜測是ds22并沒有真正賦值，而是我們定義了一個如何獲取它的操作，所以我們在使用它的時候，可以通過定義的操作自動生成我們需要的數(shù)據(jù)?；蛘撸l能解釋一下？

查看完整描述

1 回答

慕村225694

TA貢獻1880條經(jīng)驗獲得超4個贊

考慮這段代碼

import tensorflow as tf

dataset = tf.data.Dataset.range(10)

dataset1=dataset.shuffle(10, reshuffle_each_iteration=False)?

dataset2=dataset.shuffle(10, reshuffle_each_iteration=True)

ds11=dataset1.take(7)

ds12=dataset1.skip(7)

ds21=dataset2.take(7)

ds22=dataset2.skip(7)

ds22s=ds22 #.shuffle(7)

print(list(dataset2.as_numpy_iterator()))

print(list(ds11.as_numpy_iterator()))

print(list(ds12.as_numpy_iterator()))

print(list(ds21.as_numpy_iterator()))

print(list(ds22.as_numpy_iterator()))

print(list(ds22s.as_numpy_iterator()))

結(jié)果是一樣的。背后的原因是，當你寫的時候，ds22=dataset2.skip(7)你的意思是取前 7 個樣本，丟棄它們，然后再取一個并顯示它。因此，當您編寫print(list(ds22.as_numpy_iterator()))This 時，會從該數(shù)據(jù)集中讀取所有剩余數(shù)據(jù)并將其作為列表返回?，F(xiàn)在，如果您進行賦值，則意味著您擁有與中完全相同的ds22s對象ds22。因此，通過編寫，print(list(ds22s.as_numpy_iterator()))您再次對整個數(shù)據(jù)集進行了重新迭代，這次應(yīng)用了不同的改組。如果禁用，reshuffle_each_iteration結(jié)果將是相同的，因為在數(shù)據(jù)集的第二次迭代中，洗牌對齊完全相同。

反對回復(fù) 2023-06-13