home

หน้าแรก
 Computer >> บทช่วยสอนคอมพิวเตอร์ >  >> การเขียนโปรแกรม >> Python

การใช้ Dataset.map ใน TensorFlow สร้าง Dataset ของ (Image, Label) Pairs

บทนำ

tf.data.Dataset.map() ใช้แปลงแต่ละ element ของ dataset (เช่น file path → (image tensor, label integer)) แบบ parallel

โค้ดตัวอย่าง

print("The 'num_parallel_calls' is set so that multiple images are loaded and processed in parallel")
train_ds = train_ds.map(process_path, num_parallel_calls=AUTOTUNE)
val_ds = val_ds.map(process_path, num_parallel_calls=AUTOTUNE)

for image, label in train_ds.take(1):
    print("The shape of image is :", image.numpy().shape)
    print("The label is :", label.numpy())

ผลลัพธ์

The 'num_parallel_calls' is set so that multiple images are loaded and processed in parallel
The shape of image is :  (180, 180, 3)
The label is :  0

คำอธิบาย

  • process_path: function ที่รับ file path คืน (image_tensor, label_int) (ดูบทความก่อนหน้า)
  • num_parallel_calls=AUTOTUNE: ให้ TF 決定จำนวน parallel calls อัตโนมัติ (ใช้ CPU cores ทั้งหมด)
  • take(1): ดูตัวอย่าง 1 batch เพื่อตรวจสอบ shape/label
  • Image shape: (180, 180, 3) = resize จากโค้ดก่อนหน้า | Label: 0 = class index (daisy)

ประโยชน์ของ map + parallel

- ใช้ CPU cores ทั้งหมด decode/resize images พร้อมกัน
- ไม่ block GPU รอ data
- ส่วนสำคัญของ high-performance input pipeline