我是pytorch用户，我习惯于pytorch中的data.dataset和data.dataloader API。我正在尝试使用tensorflow 2.0构建相同的模型，并且我想知道pytorch中是否有一个与这些API相似的API。
如果没有这样的api，你们中的任何人都可以告诉我人们通常如何在tensorflow中实现数据加载部分吗？我使用过tensorflow 1，但从未有过使用数据集api的经验。我之前已经硬编码过。我希望有类似覆盖 getitem 的操作，仅将索引作为输入。
非常感谢。
答案 0 :(得分：2)
在使用tf.data API时，通常也将使用map函数。
在PyTorch中，您的__getItem__调用基本上是从__init__中给出的数据结构中获取元素，并在必要时进行转换。
在TF2.0中，您可以通过使用Dataset函数之一初始化Dataset.from_...来执行相同的操作（请参阅from_generator，from_tensor_slices，from_tensors） ;这实际上是PyTorch __init__的{{1}}部分。然后，您可以调用Dataset来进行在map中进行的按元素操作。
Tensorflow数据集几乎是花哨的迭代器，因此从设计上来说，您不必使用索引来访问它们的元素，而是遍历它们。
__getItem__上的guide非常有用，并提供了各种各样的示例。
答案 1 :(得分：1)
我对Pytorch并不熟悉，但是Tensorflow实现了Keras API，该API的Sequence类为：
适合于一系列数据（例如数据集）的基础对象
https://www.tensorflow.org/api_docs/python/tf/keras/utils/Sequence
此类包含索引的getitem。