У меня есть NN, который принимает inputs = [A, B], где A и B - оба Nd-массива, форм (N, ...) - т.е. первое измерение размера N (= количество тренировочных событий) выровнено .
Теперь я хочу обучить свой NN с входами [A, B] для цели y = np.ones(N) и [A, permute(B)] для y = np.zeros(N). Я могу добиться этого, создав свои входные данные, например:
inputs = [np.vstack([A, A]), np.vstack(B, np.random.permutation(B)]
y = np.concatenate([np.ones(N), np.zeros(N)])
Однако это означает, что нужно много копировать на устройство. Есть ли способ добиться этого через тензор потока прямо на устройстве? Я знаю о tf.data и его способности перетасовать, но это не соответствует моему намерению. Обучение по-прежнему должно проходить на перемешанных входах + цели в целом.