امروز برای رویداد محلی TensorFlow خود در همه جا پاسخ دهید!
این صفحه به‌وسیله ‏Cloud Translation API‏ ترجمه شده است.
Switch to English

تقسیم و برش

همه DatasetBuilder مجموعه های مختلف داده ای را که به عنوان تقسیم تعریف شده اند ، نشان می دهند (به عنوان مثال: train ، test ). هنگام ساخت یک نمونهtf.data.Dataset با استفاده از tfds.load() یا tfds.DatasetBuilder.as_dataset() ، می توان مشخص کرد که کدام تقسیم ها را بازیابی کند. همچنین می توان قطعه (های) تقسیم (ها) و همچنین ترکیبی از آن را بازیابی کرد.

Slicing API

دستورالعمل های برش در tfds.load یا tfds.DatasetBuilder.as_dataset مشخص شده است.

دستورالعمل ها می توانند به صورت رشته ای یا ReadInstruction ارائه شوند. رشته ها برای موارد ساده جمع و جورتر و قابل خواندن هستند ، در حالی که ReadInstruction گزینه های بیشتری را ارائه می دهد و ممکن است با پارامترهای برش متغیر استفاده از آنها آسان تر باشد.

مثال ها

مثالهایی با استفاده از رشته API:

# The full `train` split.
train_ds = tfds.load('mnist', split='train')

# The full `train` split and the full `test` split as two distinct datasets.
train_ds, test_ds = tfds.load('mnist', split=['train', 'test'])

# The full `train` and `test` splits, interleaved together.
train_test_ds = tfds.load('mnist', split='train+test')

# From record 10 (included) to record 20 (excluded) of `train` split.
train_10_20_ds = tfds.load('mnist', split='train[10:20]')

# The first 10% of train split.
train_10pct_ds = tfds.load('mnist', split='train[:10%]')

# The first 10% of train + the last 80% of train.
train_10_80pct_ds = tfds.load('mnist', split='train[:10%]+train[-80%:]')

# 10-fold cross-validation (see also next section on rounding behavior):
# The validation datasets are each going to be 10%:
# [0%:10%], [10%:20%], ..., [90%:100%].
# And the training datasets are each going to be the complementary 90%:
# [10%:100%] (for a corresponding validation set of [0%:10%]),
# [0%:10%] + [20%:100%] (for a validation set of [10%:20%]), ...,
# [0%:90%] (for a validation set of [90%:100%]).
vals_ds = tfds.load('mnist', split=[
    f'train[{k}%:{k+10}%]' for k in range(0, 100, 10)
])
trains_ds = tfds.load('mnist', split=[
    f'train[:{k}%]+train[{k+10}%:]' for k in range(0, 100, 10)
])

مثالهایی با استفاده از ReadInstruction API (معادل بالا):

# The full `train` split.
train_ds = tfds.load('mnist', split=tfds.core.ReadInstruction('train'))

# The full `train` split and the full `test` split as two distinct datasets.
train_ds, test_ds = tfds.load('mnist', split=[
    tfds.core.ReadInstruction('train'),
    tfds.core.ReadInstruction('test'),
])

# The full `train` and `test` splits, interleaved together.
ri = tfds.core.ReadInstruction('train') + tfds.core.ReadInstruction('test')
train_test_ds = tfds.load('mnist', split=ri)

# From record 10 (included) to record 20 (excluded) of `train` split.
train_10_20_ds = tfds.load('mnist', split=tfds.core.ReadInstruction(
    'train', from_=10, to=20, unit='abs'))

# The first 10% of train split.
train_10_20_ds = tfds.load('mnist', split=tfds.core.ReadInstruction(
    'train', to=10, unit='%'))

# The first 10% of train + the last 80% of train.
ri = (tfds.core.ReadInstruction('train', to=10, unit='%') +
      tfds.core.ReadInstruction('train', from_=-80, unit='%'))
train_10_80pct_ds = tfds.load('mnist', split=ri)

# 10-fold cross-validation (see also next section on rounding behavior):
# The validation datasets are each going to be 10%:
# [0%:10%], [10%:20%], ..., [90%:100%].
# And the training datasets are each going to be the complementary 90%:
# [10%:100%] (for a corresponding validation set of [0%:10%]),
# [0%:10%] + [20%:100%] (for a validation set of [10%:20%]), ...,
# [0%:90%] (for a validation set of [90%:100%]).
vals_ds = tfds.load('mnist', [
    tfds.core.ReadInstruction('train', from_=k, to=k+10, unit='%')
    for k in range(0, 100, 10)])
trains_ds = tfds.load('mnist', [
    (tfds.core.ReadInstruction('train', to=k, unit='%') +
     tfds.core.ReadInstruction('train', from_=k+10, unit='%'))
    for k in range(0, 100, 10)])

tfds.even_splits

tfds.even_splits لیستی از تقسیمات فرعی با همان اندازه را که همپوشانی tfds.even_splits ایجاد می کند.

assert tfds.even_splits('train', n=3) == [
    'train[0%:33%]', 'train[33%:67%]', 'train[67%:100%]',
]

درصد برش و گرد کردن

اگر برشی از تقسیم با استفاده از واحد درصد ( % ) درخواست شود و مرزهای برش درخواستی به طور مساوی بر 100 تقسیم نشود ، رفتار پیش فرض را برای گرد کردن مرزها به نزدیکترین عدد صحیح ( closest ) انجام می دهد. این بدان معناست که برخی از برش ها ممکن است نمونه های بیشتری نسبت به بقیه داشته باشند. مثلا:

# Assuming "train" split contains 101 records.
# 100 records, from 0 to 100.
tfds.load("mnist", split="test[:99%]")
# 2 records, from 49 to 51.
tfds.load("mnist", split="test[49%:50%]")

همچنین ، کاربر می تواند از pct1_dropremainder گرد استفاده کند ، بنابراین مرزهای درصدی مشخص شده به صورت مضرب 1٪ در نظر گرفته می شوند. این گزینه باید در مواقعی که قوام لازم است استفاده شود (به عنوان مثال: len(5%) == 5 * len(1%) ). این به این معنی است که اگر info.split[split_name].num_examples % 100 != 0 ، آخرین نمونه ها کوتاه می شوند.

مثال:

# Records 0 (included) to 99 (excluded).
split = tfds.core.ReadInstruction(
    'test',
    to=99,
    rounding='pct1_dropremainder',
    unit = '%',
)
tfds.load("mnist", split=split)

تکرارپذیری

API تقسیم فرعی تضمین می کند که هر قطعه تقسیم شده داده شده (یا ReadInstruction ) همیشه مجموعه ای از سوابق یکسان را در یک مجموعه داده مشخص تولید می کند ، به ReadInstruction نسخه اصلی مجموعه داده ثابت باشد.

به عنوان مثال ، tfds.load("mnist:3.0.0", split="train[10:20]") و tfds.load("mnist:3.2.0", split="train[10:20]") بدون در نظر گرفتن بستر ، معماری و غیره - همیشه دارای عناصر یکسانی هستند - حتی اگر برخی از سوابق ممکن است مقادیر مختلفی داشته باشند (به عنوان مثال: رمزگذاری تصویر ، برچسب ، ...).