Question

我需要一些有关tf.data的帮助。

我正在对SQUAD数据集进行一些实验。给出的数据集结构如下：

row-1]  { conext: "some big string", question:"q string", "answer": "some ans" }

我想利用 tf.data进行加载和预处理。加载后，将其加载到foll中。格式：

{
  context: Tensor("some big string"), 
  question:Tensor(q string),
  answer": Tensor(some ans) 
}

现在，我们要预处理数据。现在，这里的预处理并不简单，因为值是Tensor对象。

Tensorflow提供了一些用于此类预处理的api，但是如果我想进行自定义预处理，或者我想使用仅对原始数据类型（例如字符串，而不是张量）进行操作的spacy，那么该怎么做？ strong>

基本上，我需要此代码段的帮助：

def format_data(row):
  # Now I can access individual data row here. But value of row is in Tensor form.

  # Hence I can't use my custom function. How to use custom function or spacy function which operates on string and not on tensor?

  # I can use only below tf functions
  return tf.strings.regex_replace(row['context'],'some-regex',' ',True)


train = dataset.map(format_data).batch(2)
ist(train.take(1))

Answer 1

以下代码有效：

def parse_str(str_tensor):
    raw_string = str_tensor.numpy().decode("utf-8") 

    # play with raw string
    raw_string = 'AAA'+raw_string     
    return raw_string

调用解析函数：

def tf_pre_processing(row):
  return tf.py_function(parse_str, [row['context']], [tf.string])


train = t.map(tf_pre_processing).batch(1).take(1)

list(train)

使用tf.data时如何对数据进行自定义预处理？

1 个答案: