TensorFlow：Dataset 的 apply 方法的简单自定义 transformation_func 的示例实现答案

【问题标题】：TensorFlow: Example implementation of a simple custom transformation_func for Dataset's apply methodTensorFlow：Dataset 的 apply 方法的简单自定义 transformation_func 的示例实现
【发布时间】：2019-01-04 10:26:59
【问题描述】：

我正在尝试为 Dataset API 中的 apply 方法实现一个简单的自定义 transformation_func，但没有发现文档特别有用。

具体来说，我的dataset 包含视频帧和对应的标签：{[frame_0, label_0], [frame_1, label_1], [frame_2, label_2],...}。

我想对其进行转换，使其另外包含每个标签的前一帧：{[frame_0, frame_1, label_1], [frame_1, frame_2, label_2], [frame_2, frame_3, label_3],...}。

这可能可以通过执行tf.data.Dataset.zip(dataset, dataset.skip(1)) 之类的操作来实现，但那样我就会有重复的标签。

我找不到transformation_func 的参考实现。有人可以让我开始吗？

【问题讨论】：

标签： python tensorflow tensorflow-datasets

【解决方案1】：

apply 只是为了方便与现有的转换函数一起使用，ds.apply(func) 与func(ds) 几乎相同，只是以更“可链接”的方式。这是一种可能的方式来做你想做的事：

import tensorflow as tf

frames = tf.constant([  1,   2,   3,   4,   5,   6], dtype=tf.int32)
labels = tf.constant(['a', 'b', 'c', 'd', 'e', 'f'], dtype=tf.string)
# Create dataset
ds = tf.data.Dataset.from_tensor_slices((frames, labels))
# Zip it with itself but skipping the first one
ds = tf.data.Dataset.zip((ds, ds.skip(1)))
# Make desired output structure
ds = ds.map(lambda fl1, fl2: (fl1[0], fl2[0], fl2[1]))
# Iterate
it = ds.make_one_shot_iterator()
elem = it.get_next()
# Test
with tf.Session() as sess:
    while True:
        try: print(sess.run(elem))
        except tf.errors.OutOfRangeError: break

输出：

(1, 2, b'b')
(2, 3, b'c')
(3, 4, b'd')
(4, 5, b'e')
(5, 6, b'f')

【讨论】：