Я настраиваю данные (обучение, тестирование и проверка) для загрузки в простую модель TensorFlow (Tensorflow v2.0). Я хотел бы просмотреть количество строк и столбцов в конкретных наборах данных TensorFlow, которые я строю.
Если в наборе данных установлен атрибут _tensors, я могу использовать технику в Как получить числострок, столбцов / размеров файла tenorflow.data.Dataset? .
Однако похоже, что некоторые наборы данных не имеют тензоров. Например,
a = np.array([e for e in range(10)])
df = pd.DataFrame({'a':a,'b':a,'c':a})
target = df.pop('c')
dataset = tf.data.Dataset.from_tensor_slices((df.values, target.values))
print([x.get_shape().as_list() for x in dataset._tensors])
# Works. Gives:
#[[10, 2], [10]]
train_dataset = dataset.shuffle(len(df)).batch(1)
print([x.get_shape().as_list() for x in train_dataset._tensors])
# ** Fails. Gives:
# AttributeError: 'BatchDataset' object has no attribute '_tensors'
Я вижу, что это разные типы наборов данных (TensorSliceDataset vs BatchDataset):
dataset
Out[109]: <TensorSliceDataset shapes: ((2,), ()), types: (tf.int32, tf.int32)>
train_dataset
Out[110]: <BatchDataset shapes: ((None, 2), (None,)), types: (tf.int32, tf.int32)>
Похоже, что следующее дает количество строк в тензоре:
print(len([e for e in dataset]))
#Gives:
#10
print(len([e for e in train_dataset]))
#Gives:
#10
Следующие итерации по перечисленным объектам enter code here
:
r=0
for t in dataset:
for e in t:
r+=1
tf.print('Row #{0}={1}'.format(r,e))
Вывод:
Row #1=[0 0]
Row #2=0
Row #3=[1 1]
Row #4=1
Row #5=[2 2]
...
Row #17=[8 8]
Row #18=8
Row #19=[9 9]
Row #20=9
Есть ли лучший подход?