tf.data.Dataset.map()函数

TensorFlow 1.4以后，引入了新的tf.data.Dataset，这是个非常好用的模块，具体可以参考以下URL：

https://blog.csdn.net/kwame211/article/details/78579035

 

看代码的时候，一直有个疑问，就是关于类似tf.data.Dataset.map()的这种函数参数，很不容易理解。

定义：

map(
    map_func,
    num_parallel_calls=None
)

1，这种属于稍微可以理解的，参数是一个lambda函数，其中x是a的内容。

# NOTE: The following examples use `{ ... }` to represent the
# contents of a dataset.
a = { 1, 2, 3, 4, 5 }

a.map(lambda x: x + 1) = { 2, 3, 4, 5, 6 }

2，这种写法，一度令我非常困惑，函数fun定义了一个参数x,但是x没有任何地方赋值。
     参考1的写法，倒是能明白意思。

     官方的说明是这样的：    

     This transformation applies map_func to each element of this dataset, and returns a new dataset containing the transformed elements, in the same order as they appeared in the input.

import tensorflow as tf
def fun(x):
    return x +1


ds = tf.data.Dataset.range(5)
ds = ds.map(fun)

简单的可以理解为，map的参数是一个函数，而这个函数的参数是固定的。就是和你的dataset的内容是完全一致的。
上例中函数fun的参数x是固定的，虽然在很多语言里，这不太容易理解，不过可以理解为python的特性吧。

假如，想对fun的参数x进行自定义，比如要另加一个参数y, 也可以实现。就是用lambda和函数配合使用。

def fun(x, y):
    return x + y

y = tf.constant(2, dtype=tf.int64)
ds = tf.data.Dataset.range(5)
ds = ds.map(lambda x: fun(x, y))

参考：https://stackoverflow.com/questions/46263963/how-to-map-a-function-with-additional-parameter-using-the-new-dataset-api-in-tf1