Questa pagina è stata tradotta dall'API Cloud Translation.
Switch to English

Si divide e affetta

Tutti i DatasetBuilder espongono vari sottoinsiemi di dati definiti come split (ad esempio: train , test ). Quando si costruisce un'istanza tf.data.Dataset utilizzando tfds.load() o tfds.DatasetBuilder.as_dataset() , è possibile specificare quali divisioni recuperare. È anche possibile recuperare slice (s) di split (s), nonché combinazioni di quelle.

API di affettatura

Le istruzioni di affettatura sono specificate in tfds.load o tfds.DatasetBuilder.as_dataset .

Le istruzioni possono essere fornite come stringhe o ReadInstruction . Le stringhe sono più compatte e leggibili per casi semplici, mentre ReadInstruction fornisce più opzioni e potrebbe essere più facile da usare con parametri di taglio variabili.

Esempi

Esempi che utilizzano l'API di stringa:

 # 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)
])
 

Esempi che utilizzano l'API ReadInstruction (equivalente come sopra):

 # 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)])
 

Percentuale di taglio e arrotondamento

Se viene richiesta una porzione di una divisione usando l'unità percentuale ( % ) e i limiti della fetta richiesti non si dividono uniformemente per 100 , allora il comportamento predefinito è di arrotondare i limiti all'intero più vicino (il closest ). Ciò significa che alcune sezioni possono contenere più esempi di altre. Per esempio:

 # 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%]")
 

In alternativa, l'utente può utilizzare l'arrotondamento pct1_dropremainder , pertanto i limiti percentuali specificati vengono trattati come multipli dell'1%. Questa opzione deve essere utilizzata quando è necessaria la coerenza (ad esempio: len(5%) == 5 * len(1%) ). Ciò significa che gli ultimi esempi potrebbero essere troncati se info.split[split_name].num_examples % 100 != 0 .

Esempio:

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

Riproducibilità

L'API di suddivisione secondaria garantisce che una determinata suddivisione (o ReadInstruction ) produrrà sempre lo stesso set di record su un determinato set di dati, a condizione che la versione principale del set di dati sia costante.

Ad esempio, tfds.load("mnist:3.0.0", split="train[10:20]") e tfds.load("mnist:3.2.0", split="train[10:20]") conterrà sempre gli stessi elementi - indipendentemente dalla piattaforma, dall'architettura, ecc. - anche se alcuni dei record potrebbero avere valori diversi (ad es. codifica delle ipoteche, etichetta, ...).