tensorflow2.0 学习笔记-from_tensor_slices

官方地址：https://tensorflow.google.cn/api_docs/python/tf/data/Dataset#from_tensor_slices

创建一个Dataset其元素为给定张量的切片的。

给定的张量沿其第一维被切片。此操作将保留输入张量的结构，删除每个张量的第一维并将其用作数据集维。所有输入张量的第一个尺寸必须相同。

from_tensor_slices( tensors ) 输入为tensors ，返回 Dataset。
一维二维字典都可以处理

说明：该函数是dataset核心函数之一，它的作用是把给定的元组、列表和张量等数据进行特征切片。切片的范围是从最外层维度开始的。如果有多个特征进行组合，那么一次切片是把每个组合的最外维度的数据切开，分成一组一组的。

假设我们现在有两组数据，分别是特征和标签，为了简化说明问题，我们假设每两个特征对应一个标签。之后把特征和标签组合成一个tuple，那么我们的想法是让每个标签都恰好对应2个特征，而且像直接切片，比如：[f11, f12] [t1]。f11表示第一个数据的第一个特征，f12表示第1个数据的第二个特征，t1表示第一个数据标签。

#第一个尺寸要相同
batched_features = tf.constant([[[1, 3], [2, 3]], 
                                [[2, 1], [1, 2]], 
                                [[3, 3], [3, 2]]], shape=(3, 2, 2)) 
batched_labels = tf.constant([['A', 'A'], 
                              ['B', 'B'], 
                              ['A', 'B']], shape=(3, 2, 1)) 

dataset = tf.data.Dataset.from_tensor_slices((batched_features, batched_labels)) 
for item in dataset.as_numpy_iterator():
    print(item)

#输出
(array([[1, 3],
       [2, 3]]), array([[b'A'],
       [b'A']], dtype=object))
(array([[2, 1],
       [1, 2]]), array([[b'B'],
       [b'B']], dtype=object))
(array([[3, 3],
       [3, 2]]), array([[b'A'],
       [b'B']], dtype=object))