【tensorflow2.0】tf.data模块

import tensorflow as tf

1.一维列表建立的Dataset

(1)建立一个Dataset：

dataset = tf.data.Dataset.from_tensor_slices([1, 2, 3, 4, 5, 6, 7])
dataset

输出结果为<TensorSliceDataset shapes: (), types: tf.int32>，
其中的shapes表示每一个元素的形状，在本示例中就是一个数字，所以括号里面没有显示。

(2)使用这个Dataset（直接进行迭代）：

for ele in dataset:
   print(ele)

结果为：

它将输入的每个数都转换成了tf.Tensor这种数据类型。
可以将这些数据类型转换为numpy：

for ele in dataset:
   print(ele.numpy())

输出结果为：

.numpy()直接将一个Tensor数据类型转换为numpy数据类型，然后输出。

2.多维列表建立的Dataset

dataset = tf.data.Dataset.from_tensor_slices([[1, 2], [3, 4], [5, 6]])

这是一个含有三个元素的二维列表，其shape为2，这个2代表Dataset中每个组件的shape。

for ele in dataset:
   print(ele.numpy())

输出结果为：

3.字典建立的Dataset

dataset_dict = tf.data.Dataset.from_tensor_slices({'a':[1,2,3,4],
                                                  'b':[6,7,8,9],
                                                  'c':[12,13,14,15]
})

迭代：

for ele in dataset_dict:
    print(ele)

结果为:

它有4个element，也就是有4个字典。第一个字典中a的值为1，b的值为6，c的值为12；第二个字典中a的值为2，b的值为7，c的值为13；第三个字典中a的值为3，b的值为8，c的值为14；第四个字典中a的值为4，b的值为9，c的值为15.

4.数组建立的Dataset

import numpy as np
dataset_array = tf.data.Dataset.from_tensor_slices(np.array([1, 2, 3, 4, 5, 6, 7]))
for ele in dataset_array:
      print(ele)

结果为：

若想取出其中的前几项，使用dataset_array.take()方法：

for ele in dataset_array.take(4):
      print(ele.numpy())

结果为：

取出了dataset_array里面的前四个组件。

若想使用第一项，

next(iter(dataset_array.take(1)))

结果为：

其实很少使用这个方法，一般都使用for循环来迭代。