পরিচিত ডাইরেক্ট সাবক্লাস |
একটি tf.data Datset এর মাধ্যমে পুনরাবৃত্তির অবস্থার প্রতিনিধিত্ব করে। DatasetIterator একটি java.util.Iterator নয়। আগ্রহী মোডে, `ডেটাসেট` একটি পুনরাবৃত্তিযোগ্য হিসাবে ব্যবহার করা যেতে পারে, প্রতিটি পুনরাবৃত্তির ডেটাসেট উপাদান ফেরত দেয়।
উদাহরণ: গ্রাফ মোডে পুনরাবৃত্তি।
// Create input tensors
Operand<?> features = tf.constant( ... );
Operand<?> labels = tf.constant( ... );
Dataset dataset = Dataset
.fromTensorSlices(XTensor, yTensor);
.batch(BATCH_SIZE);
DatasetIterator iterator = dataset.makeInitializeableIterator();
List<Operand<?>> components = iterator.getNext();
Operand<?> featureBatch = components.get(0);
Operand<?> labelBatch = components.get(1);
// Build a TensorFlow graph that does something on each element.
loss = computeModelLoss(featureBatch, labelBatch);
optimizer = ... // create an optimizer
trainOp = optimizer.minimize(loss);
try (Session session = new Session(graph) {
while (true) {
session.run(iterator.getInitializer());
try {
session
.addTarget(trainOp)
.fetch(loss)
.run();
...
catch (TFOutOfRangeError e) {
System.out.println("finished iterating.");
break;
}
}
}
}
উদাহরণ: আগ্রহী মোডে পুনরাবৃত্তি।
// Create input tensors
Operand<?> features = tf.constant( ... );
Operand<?> labels = tf.constant( ... );
int BATCH_SIZE = ...
Dataset dataset = Dataset
.fromTensorSlices(features, labels)
.batch(BATCH_SIZE);
DatasetIterator iterator = dataset.makeIterator();
Optimizer optimizer = ... // create an optimizer
for (List<Operand<?>> components : dataset) {
Operand<?> featureBatch = components.get(0);
Operand<?> labelBatch = components.get(1);
loss = computeModelLoss(featureBatch, labelBatch);
trainOp = optimizer.minimize(loss);
}
ধ্রুবক
স্ট্রিং | EMPTY_SHARED_NAME |
পাবলিক কনস্ট্রাক্টর
DatasetIterator (Ops tf, Operand <?> iteratorResource, Op initializer, List<Class<? প্রসারিত TType >> outputTypes, List< Shape > outputShapes) | |
DatasetIterator (Ops tf, Operand <?> iteratorResource, List<Class<? প্রসারিত TType >> outputTypes, List< Shape > outputShapes) |
পাবলিক পদ্ধতি
স্ট্যাটিক ডেটাসেট আইটারেটর | থেকে কাঠামো (Ops tf, List<Class<? প্রসারিত TType >> outputTypes, List< Shape > outputShapes) `আউটপুট আকৃতি` এবং `আউটপুট টাইপস` দ্বারা সংজ্ঞায়িত একটি "কাঠামো" থেকে একটি নতুন পুনরাবৃত্তিকারী তৈরি করে। |
অপ | |
অপারেন্ড <?> | |
তালিকা< অপারেন্ড <?>> | GetNext () পরবর্তী ডেটাসেট উপাদানের উপাদানগুলির প্রতিনিধিত্ব করে Operand<?> এর একটি তালিকা প্রদান করে। |
ডেটাসেট ঐচ্ছিক | GetNextAsOptional () পরবর্তী ডেটাসেট উপাদানের উপাদানগুলির প্রতিনিধিত্ব করে একটি `ডেটাসেট অপশনাল` প্রদান করে। |
অপ্স | |
ইটারেটর<লিস্ট< অপারেন্ড <?>>> | |
অপ | makeInitializer ( ডেটাসেট ডেটাসেট) একটি TF `Op` তৈরি করে এবং ফেরত দেয় যা একটি ডেটাসেটে এই পুনরাবৃত্তিকারীকে আরম্ভ করার জন্য চালানো যেতে পারে। |
উত্তরাধিকারসূত্রে প্রাপ্ত পদ্ধতি
ধ্রুবক
সর্বজনীন স্ট্যাটিক চূড়ান্ত স্ট্রিং EMPTY_SHARED_NAME৷
পাবলিক কনস্ট্রাক্টর
পাবলিক ডেটাসেট আইটারেটর (Ops tf, Operand <?> iteratorResource, Op initializer, List<Class<? প্রসারিত TType >> outputTypes, List< Shape > outputShapes)
পরামিতি
tf | একই `ExecutionEnvironment`-এর সাথে সংশ্লিষ্ট Ops অ্যাক্সেসর `iteratorResource`-এর মতো। |
---|---|
পুনরাবৃত্তিকারী সংস্থান | পুনরাবৃত্তিকারীর প্রতিনিধিত্বকারী একটি অপারেন্ড (যেমন `tf.data.iterator` বা `tf.data.anonymousIterator` থেকে নির্মিত) |
আরম্ভকারী | একটি `Op` যা এই পুনরাবৃত্তিকারীকে আরম্ভ করার জন্য চালানো উচিত |
আউটপুট প্রকার | একটি ডেটাসেট উপাদানের প্রতিটি উপাদানের টেনসর প্রকারের সাথে সম্পর্কিত ক্লাসগুলির একটি তালিকা৷ |
আউটপুট আকার | একটি ডেটাসেট উপাদানের প্রতিটি উপাদানের আকারের সাথে সম্পর্কিত `আকৃতি` বস্তুর একটি তালিকা। |
পাবলিক পদ্ধতি
স্ট্রাকচার থেকে পাবলিক স্ট্যাটিক ডেটাসেট আইটারেটর (Ops tf, List<Class<? প্রসারিত TType >> outputTypes, List< Shape > outputShapes)
`আউটপুট আকৃতি` এবং `আউটপুট টাইপস` দ্বারা সংজ্ঞায়িত একটি "কাঠামো" থেকে একটি নতুন পুনরাবৃত্তিকারী তৈরি করে।
পরামিতি
tf | অপস অ্যাকসেসর |
---|---|
আউটপুট প্রকার | একটি ডেটাসেট উপাদানের প্রতিটি উপাদানের টেনসর প্রকারের পুনরাবৃত্তি করে এমন ক্লাসের একটি তালিকা। |
আউটপুট আকার | একটি ডেটাসেট উপাদানের প্রতিটি উপাদানের আকৃতি উপস্থাপন করে আকৃতির বস্তুর একটি তালিকা। |
রিটার্নস
- একটি নতুন DatasetIterator
সর্বজনীন তালিকা< অপারেন্ড <?>> getNext ()
পরবর্তী ডেটাসেট উপাদানের উপাদানগুলির প্রতিনিধিত্ব করে Operand<?>
এর একটি তালিকা প্রদান করে।
গ্রাফ মোডে, এই পদ্ধতিটি একবার কল করুন, এবং অন্য গণনার ইনপুট হিসাবে এর ফলাফল ব্যবহার করুন। তারপরে প্রশিক্ষণ লুপে, session.run() এ পরপর কল করার সময়, এই উপাদানগুলির মাধ্যমে ধারাবাহিক ডেটাসেট উপাদানগুলি পুনরুদ্ধার করা হবে।
আগ্রহী মোডে, প্রতিবার এই পদ্ধতিটি কল করা হলে, পরবর্তী ডেটাসেট উপাদানটি ফেরত দেওয়া হবে। (এটি জাভা `ইটারেবল` হিসাবে `ডেটাসেট` এর মাধ্যমে পুনরাবৃত্তি করে স্বয়ংক্রিয়ভাবে সম্পন্ন হয়)।
রিটার্নস
- একটি
List<Operand<?>>
ডেটাসেট উপাদান উপাদান প্রতিনিধিত্ব করে।
সর্বজনীন ডেটাসেট ঐচ্ছিক getNextAsOptional ()
পরবর্তী ডেটাসেট উপাদানের উপাদানগুলির প্রতিনিধিত্ব করে একটি `ডেটাসেট অপশনাল` প্রদান করে।
আগ্রহী মোডে, প্রতিবার এই পদ্ধতিটি কল করা হলে, পরবর্তী ডেটাসেট উপাদানটি `ডেটাসেট অপশনাল` হিসেবে ফেরত দেওয়া হবে।
এই ঐচ্ছিকটির একটি মান আছে কিনা তা পরীক্ষা করতে `DatasetOptional.hasValue` ব্যবহার করুন এবং মান পুনরুদ্ধার করতে `DatasetOptional.getValue` ব্যবহার করুন।
রিটার্নস
- একটি `ডেটাসেট অপশনাল` ডেটাসেট উপাদানের উপাদান উপস্থাপন করে।
পাবলিক অপস getOpsInstance ()
পাবলিক অপ মেক ইনিশিয়ালাইজার ( ডেটাসেট ডেটাসেট)
একটি TF `Op` তৈরি করে এবং ফেরত দেয় যা একটি ডেটাসেটে এই পুনরাবৃত্তিকারীকে আরম্ভ করার জন্য চালানো যেতে পারে। ডেটাসেটের অবশ্যই একটি কাঠামো (আউটপুট টাইপ, আউটপুট আকৃতি) থাকতে হবে যা এই পুনরাবৃত্তিকারীর সাথে মেলে এবং এই পুনরাবৃত্তিকারীর মতো একই এক্সিকিউশন এনভায়রনমেন্ট ভাগ করে।
যখন এই `Op` চালানো হয়, এই পুনরাবৃত্তিকারী ইনপুট ডেটাসেটের প্রথম উপাদানে "পুনরার শুরু" হবে।
আগ্রহী মোডে, অপটি `makeIterator`-এ কলের অংশ হিসেবে স্বয়ংক্রিয়ভাবে চালানো হবে।
পরামিতি
ডেটাসেট | এই পুনরাবৃত্তিকারী চালু করার জন্য একটি `org.tensorflow.data.Dataset`। |
---|
রিটার্নস
- একটি TF `Op` যা ডেটাসেটে এই পুনরাবৃত্তিকারীকে আরম্ভ করতে ব্যবহার করা যেতে পারে।
নিক্ষেপ করে
অবৈধ আর্গুমেন্ট ব্যতিক্রম | যদি ডেটাসেটের এক্সিকিউশন এনভায়রনমেন্ট বা কাঠামো এই পুনরাবৃত্তিকারীর সাথে মেলে না। |
---|