Dataset.from_tensors 和 Dataset.from_tensor_slices 的区别

Dataset.from_tensors 和 Dataset.from_tensor_slices 是 TensorFlow 库中用于创建数据集的方法。Dataset.from_tensors 从单个张量创建数据集，而 Dataset.from_tensor_slices 通过沿第一个维度切片张量来创建数据集。本文将阐述这两种方法的区别及其在不同用例中的应用。

from_tensors

from_tensor_slices

从单个张量创建数据集

通过沿第一个维度切片张量来创建数据集

适用于可以一次性加载到内存中的小型数据集

适用于无法一次性加载到内存的大型数据集

创建一个只有一个元素的数据集

创建一个包含多个元素的数据集，每个元素都是张量沿第一个维度的一个切片

接受单个张量

接受张量元组，并沿第一个维度一起切片它们

语法

Dataset.from_tensor(tensor_data)

这里tensor_data 是任何形状的张量，您可以用它来创建数据集。它返回一个张量数据集，其中每个输入张量都像数据集的一行，并且可以通过执行数据操作来操作这一行。

示例

在下面的示例中，我们首先导入了 tensorflow 库，然后创建了一个包含两个元素的张量。然后使用 from_tensors 方法将张量转换为数据集。

import tensorflow as tf

data = tf.constant([[1, 2], [3, 4]])
dataset = tf.data.Dataset.from_tensors(data)

for element in dataset:
   print(element.numpy())

输出

[[1 2]
 [3 4]]

Dataset.from_tensor_slices

Dataset.from_tensor_slices 方法通过沿张量的第一个维度切片数据集来创建数据集。当数据量很大且无法一次性放入内存时，使用 from_tensor_slices 方法。结果数据集将为张量沿第一个维度上的每个元素包含一个元素。

语法

Dataset.from_tensor_slices(tensor_data)

这里tensor_data 是任何形状的张量，您可以用它来创建数据集。它返回一个数据集，其中每个输入张量都是数据的列。然后可以使用此数据列执行不同的操作。

示例

import tensorflow as tf

data = tf.constant([[1, 2], [3, 4]])
dataset = tf.data.Dataset.from_tensor_slices(data)

for element in dataset:
   print(element.numpy())

输出

[1 2]
[3 4]

结论

本文讨论了 Dataset.from_tensors 方法和 Dataset.from_tensor_slices 方法的区别，这两种方法都用于从张量数据创建数据集。from_tensors 方法使用单个张量创建数据集，而 from_tensor_slices 方法通过沿第一个维度切片张量来创建数据集。

更新于：2023年7月6日

805 次浏览

开启您的职业生涯

通过完成课程获得认证

开始学习
广告