Question

我正在尝试为Dataset API中的apply方法实现一个简单的自定义transformation_func，但没有发现文档特别有用。

具体地说，我的dataset包含视频帧和相应的标签：{[frame_0, label_0], [frame_1, label_1], [frame_2, label_2],...}。

我想对其进行转换，使其另外包含每个标签的前一帧：{[frame_0, frame_1, label_1], [frame_1, frame_2, label_2], [frame_2, frame_3, label_3],...}。

这可以通过执行类似tf.data.Dataset.zip(dataset, dataset.skip(1))的操作来实现，但是那样我就会重复标签。

我找不到transformation_func的参考实现。有人能帮助我开始这一点吗？

Answer 1

apply只是与现有转换函数一起使用的一种便利，ds.apply(func)与func(ds)几乎相同，只是以一种更“可链接”的方式。这是您想要做的一种可能的方法：

import tensorflow as tf

frames = tf.constant([  1,   2,   3,   4,   5,   6], dtype=tf.int32)
labels = tf.constant(['a', 'b', 'c', 'd', 'e', 'f'], dtype=tf.string)
# Create dataset
ds = tf.data.Dataset.from_tensor_slices((frames, labels))
# Zip it with itself but skipping the first one
ds = tf.data.Dataset.zip((ds, ds.skip(1)))
# Make desired output structure
ds = ds.map(lambda fl1, fl2: (fl1[0], fl2[0], fl2[1]))
# Iterate
it = ds.make_one_shot_iterator()
elem = it.get_next()
# Test
with tf.Session() as sess:
    while True:
        try: print(sess.run(elem))
        except tf.errors.OutOfRangeError: break

输出：

(1, 2, b'b')
(2, 3, b'c')
(3, 4, b'd')
(4, 5, b'e')
(5, 6, b'f')

TensorFlow：数据集的apply方法的简单自定义Transformation_func的示例实现

1 个答案: