如何从Tensorflow中的多个对齐数据集中随机选择数据？

Question

假设我们有2个组的6个文本文件，每个组由3个文件组成，例如，

• 第1组：1.a，1.b，1.c
• 第2组：2.a，2.b，2.c

给定了固定的阈值rand和random()模块的random，我希望得到3个张量：

• x组：x_a，x_b，x_c

每个文件中的行数相同且对齐，并且x_a的第n行为：

• 第1步：'<nth line from 1.a>' if rand < random() else '<nth line from 2.a>'

x_b和x_c的第n行也将是：

• 第2步：<'nth line from 1.b>' if '<nth row of x_a from 1.a>' else '<nth line from 2.b>'
• 步骤3：<'nth line from 1.c>' if '<nth row of x_a from 1.a>' else '<nth line from 2.c>'（遵循步骤2，但适用于x_c）

以便x_a，x_b和x_c都对齐。

我使用的工具是tf.data.TextLineDataset，能否告诉我如何进行随机选择并保持选择轨道？谢谢！

Answer 1

========================我的解决方案====================== ===

我提供了一个跟踪文件来指导这3个文件。仍然欢迎其他解决方案！

a1 = tf.data.TextLineDataset(afile1).map(...)
b1 = tf.data.TextLineDataset(bfile1).map(...)
c1 = tf.data.TextLineDataset(cfile1).map(...)
...
index = tf.data.TextLineDataset(track_file).map(lambda line: tf.string_to_number(line, tf.int32))
As = tf.data.Dataset.zip((index, a1, a2))
Bs = tf.data.Dataset.zip((index, b1, b2))
...
ax = As.map(lambda i, l, r: tf.where(i > 0, l, r))
bx = As.map(lambda i, l, r: tf.where(i > 0, l, r))
cx = As.map(lambda i, l, r: tf.where(i > 0, l, r))
...