机器学习实战：基于Scikit-Learn、Keras 和TensorFlow （原书第2 版）

使用

TensorFlow

加载和预处理数据

｜

363

TF

数据集

（

TFDS

）

提供方便的函数来下载各种类型的常见数据集，包括像 ImageNet 这样的大型数据

集与方便的数据集对象（可以使用 Data API 对其进行操作）。

因此，让我们开始吧！

13.1 数据 API

整个数据 API 都围绕着数据集的概念：你可能会怀疑，这代表了数据元素的一个序

列。通常，你使用的是逐步从磁盘中读取数据的数据集，但为了简单起见，让我们使用

tf.data.Dataset.from_tensor_slices() 在 RAM 中完全创建一个数据集：

>>>

X = tf.range(10) #

any data tensor

>>>

dataset = tf.data.Dataset.from_tensor_slices(X)

>>>

dataset

<TensorSliceDataset shapes: (), types: tf.int32>

from_tensor_slices() 函数采用一个张量并创建一个 tf.data.Dataset，其元

素都是 X 的切片（沿第一个维度），因此此数据集包含 10 个元素：张量 0，1，2，…，9。

在这种情况下，如果我们使用 tf.data.Dataset.range(10)，则将获得相同的数

据集。

你可以像以下这样简单地遍历数据集的元素：

>>>

for

item

in

dataset:

...

print

(item)

...

tf.Tensor(0, shape=(), dtype=int32) ...