Dataset

bookmark_border 컬렉션을 사용해 정리하기 내 환경설정을 기준으로 콘텐츠를 저장하고 분류하세요.

이 데이터 세트의 요소를 배치로 그룹화합니다.

이 데이터 세트의 요소를 배치로 그룹화합니다. 'batchSize' 요소보다 적은 경우에도 마지막 배치를 포함합니다.

요소가 주어진 텐서의 조각인 메모리 내 '데이터 세트'를 생성합니다. 이 데이터세트의 각 요소는 제공된 텐서의 조각(예: 배치)을 나타내는 List<Operand<?>> 입니다.

이 데이터세트의 각 구성요소에 대한 모양 목록을 가져옵니다.

이 데이터세트의 각 구성요소에 대한 출력 유형 목록을 가져옵니다.

이 데이터 세트를 나타내는 변형 텐서를 가져옵니다.

이 Dataset의 모든 배치를 열심히 반복하는 반복자를 만듭니다. 각 배치는 '출력' 객체로 반환되는 구성 요소 목록입니다.

이 방법을 사용하면 Eager 모드에서 실행할 때 일괄 처리를 통해 각 반복을 수행할 수 있습니다. 그래프 모드 일괄 반복에 대해서는 `makeOneShotIterator`를 참조하세요.

이 데이터 세트의 요소를 반복하는 데 사용할 수 있는 `DatasetIterator`를 만듭니다.

이 반복자는 루프에서 요소를 검색하기 전에 `iterator.makeInitializer(Dataset)`에 대한 호출로 초기화되어야 합니다.

이 데이터 세트의 요소를 반복하는 데 사용할 수 있는 `DatasetIterator`를 만듭니다. `makeOneShotIterator`를 사용하면 이 데이터세트에서 반복자가 자동으로 초기화됩니다. 건너뛰기 그래프 모드에서 초기화 작업은 `tf.init()`를 통해 실행되어야 하는 그래프의 초기화 목록에 추가됩니다.

전:

     try (Session session = new Session(graph) {
         // Immediately run initializers
         session.run(tf.init());
     }
 

Eager 모드에서는 이 호출의 결과로 초기화 프로그램이 자동으로 실행됩니다.

이 데이터세트에서 반환된 모든 요소에 함수를 매핑하는 새 데이터세트를 반환합니다.

예를 들어, 각 요소가 2개의 구성 요소(기능, 레이블)가 있는 List<Operand<?>> 가정합니다.

부름

dataset.map(components -> {
      Operand<?> features = components.get(0);
      Operand<?> labels   = components.get(1);

      return Arrays.asList(
        tf.math.mul(features, tf.constant(2)),
        tf.math.mul(labels, tf.constant(5))
      );
 );
 }

각 요소의 모든 구성요소에서 이 데이터세트의 모든 요소에 걸쳐 함수를 매핑하는 새 데이터세트를 반환합니다.

예를 들어, 각 요소가 2개의 구성 요소(기능, 레이블)가 있는 List<Operand<?>> 가정합니다.

dataset.mapAllComponents(component -> tf.math.mul(component, tf.constant(2))) 를 호출하면 각 요소의 `features` 및 `labels` 구성 요소 모두에 대해 함수를 매핑하여 모두 2를 곱합니다.

각 요소의 단일 구성요소에서 이 데이터세트의 모든 요소에 걸쳐 함수를 매핑하는 새 데이터세트를 반환합니다.

예를 들어, 각 요소가 2개의 구성 요소(기능, 레이블)가 있는 List<Operand<?>> 가정합니다.

dataset.mapOneComponent(0, features -> tf.math.mul(features, tf.constant(2))) 를 호출하면 각 요소의 'features' 구성 요소에 함수를 매핑하고 각 요소에 2를 곱합니다.

이 데이터세트에서 초기 요소 `count`개를 건너뛰는 새 `데이터세트`를 반환합니다.

이 데이터세트의 첫 번째 '개수' 요소만 포함된 새 '데이터세트'를 반환합니다.