Эта страница была переведа с помощью Cloud Translation API.
Switch to English

Разделение и нарезка

Все DatasetBuilder предоставляют различные подмножества данных, определенные как разбиения (например, train , test ). Приtf.data.Dataset экземпляраtf.data.Dataset с использованием tfds.load() или tfds.DatasetBuilder.as_dataset() можно указать, какие разбиения нужно получить. Также возможно получить фрагменты разбиения, а также их комбинации.

Нарезка API

Инструкции по tfds.load указаны в tfds.load или tfds.DatasetBuilder.as_dataset .

Инструкции могут быть представлены в виде строк или ReadInstruction . Строки более компактны и удобочитаемы для простых случаев, в то время как ReadInstruction предоставляет больше возможностей и может быть проще использовать с переменными параметрами среза.

Примеры

Примеры использования строкового 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)
])

Примеры использования ReadInstruction API (эквивалент, как указано выше):

# 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 создает список неперекрывающихся подразделов одинакового размера.

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

Нарезка и округление в процентах

Если фрагмент разбиения запрашивается с использованием единицы процента ( % ), а запрошенные границы фрагмента не делятся равномерно на 100 , то по умолчанию границы округляются до ближайшего целого числа ( closest ). Это означает, что некоторые фрагменты могут содержать больше примеров, чем другие. Например:

# 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%]")

В качестве альтернативы пользователь может использовать округление pct1_dropremainder , поэтому указанные процентные границы обрабатываются как кратные 1%. Этот параметр следует использовать, когда требуется согласованность (например: len(5%) == 5 * len(1%) ). Это значит, что последние примеры могут быть усечены, если info.split[split_name].num_examples % 100 != 0 .

Пример:

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

Воспроизводимость

API-интерфейс sub-split гарантирует, что любой заданный разделенный срез (или ReadInstruction ) всегда будет создавать один и тот же набор записей в заданном наборе данных, если основная версия набора данных постоянна.

Например, tfds.load("mnist:3.0.0", split="train[10:20]") и tfds.load("mnist:3.2.0", split="train[10:20]") всегда будет содержать одни и те же элементы - независимо от платформы, архитектуры и т. д. - даже если некоторые записи могут иметь разные значения (например: кодировка изображения, метка, ...).