Ter uma questão? Conecte-se com a comunidade no Fórum TensorFlow Visite o Fórum

Divisões e fatiamento

Todos os DatasetBuilder expõem vários subconjuntos de dados definidos como divisões (por exemplo: train , test ). Ao construir uma instânciatf.data.Dataset usando tfds.load() ou tfds.DatasetBuilder.as_dataset() , pode-se especificar qual divisão (ões) recuperar. Também é possível recuperar fatias de divisões, bem como combinações delas.

API Slicing

As instruções de tfds.load são especificadas em tfds.load ou tfds.DatasetBuilder.as_dataset .

As instruções podem ser fornecidas como strings ou ReadInstruction s. Strings são mais compactos e legíveis para casos simples, enquanto ReadInstruction s fornecem mais opções e podem ser mais fáceis de usar com parâmetros de fatiamento variáveis.

Exemplos

Exemplos usando a API de string:

# 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)
])

Exemplos usando a API ReadInstruction (equivalente como acima):

# 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 gera uma lista de sub-divisões não sobrepostas do mesmo tamanho.

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

Fatiamento percentual e arredondamento

Se uma fatia de uma divisão for solicitada usando a unidade de porcentagem ( % ) e os limites da fatia solicitados não dividirem uniformemente por 100 , o comportamento padrão é arredondar os limites para o inteiro closest ( closest ). Isso significa que algumas fatias podem conter mais exemplos do que outras. Por exemplo:

# 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%]")

Como alternativa, o usuário pode usar o arredondamento pct1_dropremainder , de forma que os limites de porcentagem especificados sejam tratados como múltiplos de 1%. Esta opção deve ser usada quando a consistência é necessária (por exemplo: len(5%) == 5 * len(1%) ). Isso significa que os últimos exemplos podem ser truncados se info.split[split_name].num_examples % 100 != 0 .

Exemplo:

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

Reprodutibilidade

A API de subdivisão garante que qualquer fatia de divisão dada (ou ReadInstruction ) sempre produzirá o mesmo conjunto de registros em um determinado conjunto de dados, contanto que a versão principal do conjunto de dados seja constante.

Por exemplo, tfds.load("mnist:3.0.0", split="train[10:20]") e tfds.load("mnist:3.2.0", split="train[10:20]") sempre conterá os mesmos elementos - independentemente da plataforma, arquitetura, etc. - embora alguns dos registros possam ter valores diferentes (por exemplo: codificação de imagem, rótulo, ...).