python - 如何使用 TensorFlow tf.data.Dataset flat_map 生成派生数据集？

Question

我有一个 Pandas DataFrame，我正在将其部分加载到 tf.data 数据集中:

dataset = tf.data.Dataset.from_tensor_slices((
    df.StringColumn.values,
    df.IntColumn1.values,
    df.IntColumn2.values,
))

现在我想做的是使用诸如 flat_map 之类的东西来生成一个派生数据集，该数据集获取每行中的数据，并为派生数据集中的每一行生成一堆行。原创。

但是 flat_map 似乎只是在 lambda 函数中向我传递占位符张量。

如果重要的话，我正在使用 TensorFlow 2.0 alpha 0。

编辑:

我想要的是能够写出这样的东西:

derived = dataset.flat_map(replicate)

def replicate(s, i1, i2):
    return [[0, s, i1, i2],
        [0.25, s, i1, i2],
        [0.5, s, i1, i2],
        [0.75, s, i1, i2]]

...然后将衍生作为具有四列和四倍于数据集行数的数据集。

但是当我尝试这个时，s 不是一个值，它是一个字符串占位符张量。

编辑2:

好吧，我的意思是 replicate 函数需要知道它正在复制的行的值:

slice_count = 16

def price(frac, total, size0, price0, size1, price1, size2, price2, size3, price3):
    total_per_slice = total / slice_count
    start = frac * total_per_slice
    finish = start + total_per_slice
    price = \
        (price0 * (min(finish, size0) - max(start, 0) if 0 < finish and start < size0 else 0)) + \
        (price1 * (min(finish, size1) - max(start, size0) if size0 < finish and start < size1 else 0)) + \
        (price2 * (min(finish, size2) - max(start, size1) if size1 < finish and start < size2 else 0)) + \
        (price3 * (min(finish, size3) - max(start, size2) if size2 < finish and start < size3 else 0))

def replicate(size0, price0, size1, price1, size2, price2, size3, price3):
    total = size0 + size1 + size2 + size3
    return [[
        price(frac, total, size0, price0, size1, price1, size2, price2, size3, price3),
        frac / slice_count] for frac in range(slice_count)]

derived = dataset.flat_map(replicate)

仅仅能够传递占位符是不够的。这是我可以做的事情吗？或者如果我能以某种方式将其转换为 TensorFlow 的计算图就可以实现，或者只是按照我尝试的方式不可行？

Answer 1

可能还有很长的路要走，但您也可以使用 .concatenate() 和 apply() 来实现“平面映射”

像这样:

def replicate(ds):
  return (ds.map(lambda s,i1,i2: (s, i1, i2, tf.constant(0.0)))
          .concatenate(ds.map(lambda s,i1,i2: (s, i1, i2, tf.constant(0.25))))
          .concatenate(ds.map(lambda s,i1,i2: (s, i1, i2, tf.constant(0.5))))
          .concatenate(ds.map(lambda s,i1,i2: (s, i1, i2, tf.constant(0.75)))))

derived = dataset.apply(replicate)

应该给你你期望的输出