pass

Question

for x_batch, y_batch in dataset.take(steps_per_shard):
for x_example, y_example in zip(x_batch, y_batch):#解batch
老师，此时的数据集是之前的8个属性与类标签结合起来，相当于一行9个属性的形式，现在从数据集中取出前steps_per_shard个batch，我想请教的是：获取到steps_per_shard个batch后，是如何赋值给 x_batch, y_batch 的，又是怎样实现对batch解绑的，赋值给 x_example, y_example的，解绑是指将9个属性拆分成8+1吗？

Answer 1

正十七 2020-02-24 23:38:47

如下面的代码所示：

def parse_csv_line(line, n_fields = 9):
    defs = [tf.constant(np.nan)] * n_fields
    parsed_fields = tf.io.decode_csv(line, record_defaults=defs)
    x = tf.stack(parsed_fields[0:-1])
    y = tf.stack(parsed_fields[-1:])
    return x, y
 
def csv_reader_dataset(filenames, n_readers=5,
                       batch_size=32, n_parse_threads=5,
                       shuffle_buffer_size=10000):
    dataset = tf.data.Dataset.list_files(filenames)
    dataset = dataset.repeat()
    dataset = dataset.interleave(
        lambda filename: tf.data.TextLineDataset(filename).skip(1),
        cycle_length = n_readers
    )
    dataset.shuffle(shuffle_buffer_size)
    dataset = dataset.map(parse_csv_line,
                          num_parallel_calls=n_parse_threads)
    dataset = dataset.batch(batch_size)
    return dataset

在csv_reader_dataset中，我们在map函数中对每一行进行解析。

在parse_csv_line中，我们把每一行给拆成了前八个和后一个，即x和y。这样csv_reader_dataset返回的dataset里，每一个batch都是两个元素，即x_batch和y_batch。

而batch解绑定直接用了for循环，如下，并不是9拆8+1。

with tf.io.TFRecordWriter(filename_fullpath, options) as writer:
    for x_batch, y_batch in dataset.skip(shard_id * steps_per_shard).take(steps_per_shard):                for x_example, y_example in zip(x_batch, y_batch):
        writer.write(serialize_example(x_example, y_example))
        all_filenames.append(filename_fullpath)

• 提问者 战战的坚果 #1

  老师，以下是我的理解，您看对吗？
  在csv_reader_dataset中，在map函数中对每一行进行解析。
  
  在parse_csv_line中，把每一行给拆成了前八个和后一个，即x和y。这样csv_reader_dataset返回的dataset里，每一个batch都是两个元素，即x_batch：即batchsize条数据的前8个元素和y_batch：即batchsize条数据的后1个元素，则
   for x_batch, y_batch in dataset.skip(shard_id * steps_per_shard).take(steps_per_shard):
  执行后，取出了steps_per_shard个batch,然后通过for循环取出一个batch，并将这一个batch（由两部分组成）赋值给x_batch, y_batch，此时x_batch：是batchsize条数据的前8个元素，y_batch是batchsize条数据的后1个元素，此时通过第二个for循环，将x_batch, y_batch连接起来,依次取出batchsize条数据的第一条、第二条。。。第batchsize条数据，将第一条数据的前8个元素赋值给x_example, 后一个元素赋值y_example，所以serialize_example(x_example, y_example)是将一行数据序列化。