JavaScript для глубокого обучения 2021 TensorFlow js Ббк

Глава 6. Работа с данными
245
к аварийному сбою сервера или браузера, так что будьте осторожны! Для работы 
с подобными объектами необходимо создать другой объект 
Dataset
— ограниченную 
выборку из неограниченного первоисточника, для чего следует воспользоваться 
take(n)
. Чуть позже мы расскажем об этом подробнее.
Во­вторых, учтите, что объект 
Dataset
производит замыкание локальной пере­
менной. Это помогает при журналировании и отладке, позволяя определить число 
произведенных вызовов функции­генератора.
В­третьих, учтите, что данные до момента их запроса не существуют. В нашем 
случае мы за все время обращаемся только к одному элементу набора данных, что 
и отразится в значении 
numPlaysSoFar
.
Наборы данных на основе генераторов отличаются широкими возможностями 
и исключительной гибкостью, позволяя разработчикам подключать модели к раз­
нообразным API поставщиков данных, например получать данные из запроса к БД, 
из скачиваемых частями по сети данных или от подключенного аппаратного обес­
печения. Подробнее API 
tf.data.generator()
рассматривается в инфобоксе 6.1.
ИНФОБОКС 6.1. Спецификация аргументов функции tf.data.generator()
API 
tf.data.generator()
— очень гибкий, обладает большими возможностями. С его 
помощью пользователи могут подключать модели к разнообразным поставщикам 
данных. Передаваемый в 
tf.data.generator()
аргумент должен удовлетворять следу­
ющим спецификациям.
• Должен вызываться без аргументов.
• При вызове без аргументов он должен возвращать объект, удовлетворяющий про­
токолу итератора и итерируемого объекта. Это значит, что у этого возвращаемого 
объекта обязан быть метод 
next()
. При вызове без аргументов метод 
next()
должен 
возвращать JavaScript­объект 
{value:
ELEMENT,
done:
false}
для передачи далее 
значения 
ELEMENT
. Когда больше нечего возвращать, он должен вернуть 
{value:
undefined,
done:
true}
.
Функции­генераторы JavaScript возвращают объекты типа 
Generator
, удовлетворя­
ющие этой спецификации, а значит, они предоставляют самый удобный способ ис­
пользования API 
tf.data.generator()
. Такая функция может служить замыканием 
для локальных переменных, обращаться к локальным аппаратным устройствам, под­
ключаться к сетевым ресурсам и т. д.
В табл. 6.1 приводился следующий код, иллюстрирующий использование API 
tf.data.ge nerator()
:
function* countDownFrom10() {
for (let i=10; i>0; i--) {
yield(i);
}
}
const dataset =
tf.data.generator(countDownFrom10);

---

246