tf.data.Dataset.map()函数的理解

minopus

于 2020-05-13 19:06:41 发布

阅读量1w

点赞数 10

分类专栏：学习感悟文章标签： python tensorflow

本文链接：https://blog.youkuaiyun.com/sinat_41299610/article/details/106104239

版权

在使用TensorFlow处理数据时，经常会在`tf.data.Dataset`中遇到`map()`函数。该函数允许将自定义函数应用于数据集的每个元素。尽管在调用`map()`时未显式传递参数，但实际上在定义数据集时参数已内置于数据集中。如果需要额外的参数，可以使用lambda表达式或闭包来传递。例如，当解析TFRecord文件时，`map()`会使用解析函数来处理每个样本。参考链接提供了更多关于`map()`使用的详细解释。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

在用dataset读取tfrecord的时候，看到别人的代码里面基本都有tf.data.Dataset.map()这个部分，而且前面定义了解析tfrecord的函数decord_example(example)之后，在后面的的map里面直接就dataset.map(decord_example)这样使用，并没有给example赋值。
具体代码在这里：

def decode_example(example, resize_height, resize_width, label_nums):
    dics={
   
        'image_raw':tf.FixedLenFeature([],tf.string),
        'label':tf.FixedLenFeature([],tf.int64)
         }
    parsed_example = tf.parse_single_example(serialized=example, features=dics

最低0.47元/天解锁文章