Question

我正在尝试创建一个管道来使用TensorFlow Dataset API和Pandas读取多个CSV文件。但是，使用flat_map方法会产生错误。但是，如果我使用map方法，我可以构建代码并在会话中运行它。这是我正在使用的代码。我已经在TensorFlow Github存储库中打开了#17415问题。但显然，这不是一个错误，他们让我在这里发帖。

folder_name = './data/power_data/'
file_names = os.listdir(folder_name)
def _get_data_for_dataset(file_name,rows=100):#
    print(file_name.decode())

    df_input=pd.read_csv(os.path.join(folder_name, file_name.decode()),
                         usecols =['Wind_MWh','Actual_Load_MWh'],nrows = rows)
    X_data = df_input.as_matrix()
    X_data.astype('float32', copy=False)

    return X_data
dataset = tf.data.Dataset.from_tensor_slices(file_names)
dataset = dataset.flat_map(lambda file_name: tf.py_func(_get_data_for_dataset, 
[file_name], tf.float64))
dataset= dataset.batch(2)
fiter = dataset.make_one_shot_iterator()
get_batch = iter.get_next()

我收到以下错误：map_func must return a Dataset object。当我使用map时，管道正常运行，但它没有提供我想要的输出。例如，如果Pandas从我的每个CSV文件中读取N行，我希望管道连接B文件中的数据并给我一个形状为数组的数组（N * B，2）。相反，它给了我（B，N，2），其中B是批量大小。 map正在添加另一个轴而不是在现有轴上连接。根据我在文档中所理解的flat_map应该给出一个平坦的输出。在文档中，map和flat_map都返回类型数据集。那么我的代码如何使用map而不是flat_map？

如果您能指出数据集API与Pandas模块一起使用的代码，那也很棒。

Answer 1

作为mikkola points out in the comments，Dataset.map()和Dataset.flat_map()期望具有不同签名的函数：Dataset.map()采用将输入数据集的单个元素映射到单个新元素的函数，而Dataset.flat_map()采用的函数将输入数据集的单个元素映射到Dataset个元素。

如果你想要_get_data_for_dataset()返回的数组的每一行要成为一个单独的元素，您应该使用Dataset.flat_map()并使用Dataset.from_tensor_slices()将tf.py_func()的输出转换为Dataset：

folder_name = './data/power_data/'
file_names = os.listdir(folder_name)

def _get_data_for_dataset(file_name, rows=100):
    df_input=pd.read_csv(os.path.join(folder_name, file_name.decode()),
                         usecols=['Wind_MWh', 'Actual_Load_MWh'], nrows=rows)
    X_data = df_input.as_matrix()
    return X_data.astype('float32', copy=False)

dataset = tf.data.Dataset.from_tensor_slices(file_names)

# Use `Dataset.from_tensor_slices()` to make a `Dataset` from the output of 
# the `tf.py_func()` op.
dataset = dataset.flat_map(lambda file_name: tf.data.Dataset.from_tensor_slices(
    tf.py_func(_get_data_for_dataset, [file_name], tf.float32)))

dataset = dataset.batch(2)

iter = dataset.make_one_shot_iterator()
get_batch = iter.get_next()

数据集API＆＃39; flat_map＆＃39;对于使用＆＃39; map＆＃39;的相同代码产生错误的方法方法

1 个答案: