JavaScript для глубокого обучения 2021 TensorFlow js Ббк

Глава 6. Работа с данными
249
Метод экземпляра 
объекта tf.data.
Dataset
Что делает
Пример
.concatenate(
dataset)
Склеивает элементы 
двух объектов Dataset 
вместе в новый Dataset
myDataset1.concatenate(myDataset2)
Возвращает объект Dataset, который 
обходит в цикле сначала все значения 
объекта myDataset1, а затем все значения 
объекта myDataset2
.repeat(count)
Возвращает объект Da­
taset, предназначенный 
для многократного 
(возможно, 
неограниченное число 
раз) обхода исходного 
объекта Dataset
myDataset.repeat(NUM_EPOCHS)
Возвращает объект Dataset, который 
обходит в цикле по всем значениям 
объекта myDataset NUM_EPOCHS 
раз. Если параметр NUM_EPOCHS 
не указан или меньше нуля, выполняется 
неограниченное число обходов
.take(count)
Возвращает объект Data­
set, содержащий только 
первые count примеров 
данных исходного
myDataset.take(10);
Возвращает объект Dataset, содержащий 
только первые десять элементов объекта 
myDataset. Если myDataset содержит 
менее десяти элементов, то возвращается 
точно такой же объект Dataset
.skip(count)
Возвращает объект 
Dataset, из которого 
исключены первые 
count примеров данных 
исходного
myDataset.skip(10);
Возвращает объект Dataset, содержащий 
все элементы myDataset, за исключением 
первых десяти. Если myDataset 
содержит десять элементов или меньше, 
возвращается пустой объект Dataset
.shuffle(
bufferSize,
seed?
)
Генерирует объект Data­
set, перетасовывающий 
элементы исходного 
объекта Dataset.
Учтите: элементы 
при этой перетасовке 
выбираются случайным 
образом внутри окна 
размера bufferSize, так 
что упорядоченность вне 
этого окна не меняется
const a = tf.data.array(
[1, 2, 3, 4, 5, 6]).shuffle(3);
await a.forEach(e => console.log(e));
// Может вывести, например:
// 2, 4, 1, 3, 6, 5
Выводит значения от 1 до 6, 
перетасованные случайным образом. 
Перетасовка частичная в том смысле, 
что возможна не любая упорядоченность, 
поскольку окно меньше общего размера 
данных. Например, последний элемент, 
6, не может быть первым при новой 
упорядоченности, поскольку его 
пришлось бы сдвинуть назад на более 
чем bufferSize (3) позиций
Эти операции можно связывать цепочкой, создавая простые, но обладающие ши­
рокими возможностями конвейеры обработки. Например, для разбиения случайным 
образом набора данных на обучающий и контрольный наборы можно воспользовать­
ся рецептом из листинга 6.4 (см. 
tfjs-examples/iris-fitDataset/data.js
).

---