Question

我正在使用TensorFlow的数据集API，根据文档，我对shuffle（）方法感到困惑：

Dataset.shuffle（）转换使用与tf.RandomShuffleQueue类似的算法随机混洗输入数据集：它维护一个固定大小的缓冲区，并从该缓冲区中随机选择下一个元素。

如果我只是'部分'洗牌我的数据集（例如buffer_size＆lt; = no。的元素），我希望只有第一个 buffer_size 元素会被洗牌，但事实并非如此，见例子：

dataset = tf.data.Dataset.from_tensor_slices([1,2,3,4,5,6,7,8])
                         .shuffle(buffer_size=4, seed=42)
                         .batch(2)
iter = dataset.make_initializable_iterator() # create the iterator
el = iter.get_next()
with tf.Session() as sess:
    sess.run(iter.initializer) 
    print('batch:', sess.run(el))

输出：

batch: [2 5]

为什么5在这里？因为缓冲区大小只有4？前2个元素应该在1~4之内吗？我在这里错过了什么？

由于

Answer 1

简短的回答是，可以随时补充随机缓冲区，包括在创建批处理的过程中。

以下是您的观察结果：

数据集从您的数据中读取前4个元素。 shuffle缓冲区现在包含[1,2,3,4]
您请求两个元素（通过数据集上的get_next（）来创建2个批次）
shuffle数据集选择2并将下一个元素读入shuffle缓冲区，该缓冲区现在包含[1,3,4,5]。
shuffle数据集从缓冲区中选取5个。
您的[2,5]批返回。

具有部分shuffle的Tensorflow数据集

1 个答案: