我一直在四处挖掘。仍然让我困惑,我在任何地方都找不到明确的解释。
dataset1 = tf.data.Dataset.from_tensor_slices(([1]*20))
dataset1 = (dataset1
.batch(4)
.map(lambda x: x+random.randint(0,20)))
for batch in iter(dataset1):
print(batch)
tf.Tensor([21 21 21 21], shape=(4,), dtype=int32)
tf.Tensor([21 21 21 21], shape=(4,), dtype=int32)
tf.Tensor([21 21 21 21], shape=(4,), dtype=int32)
tf.Tensor([21 21 21 21], shape=(4,), dtype=int32)
tf.Tensor([21 21 21 21], shape=(4,), dtype=int32)
我希望.map
表现得像正常功能map
。其中,它应该对每个元素应用一个函数。感觉我的一些假设完全错误。
最佳答案
你需要使用tf.random
模块,因为原生python只会生成数字
一次
dataset1 = tf.data.Dataset.from_tensor_slices(([1]*20))
dataset1 = (dataset1
.batch(4)
.map(lambda x: x+tf.random.uniform((), 0, 20, tf.int32)))
for batch in iter(dataset1):
print(batch)
关于python - 为什么 `tf.data.Dataset.map`只运行一次?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/56426839/