python - Dataset.from_tensors 和 Dataset.from_tensor_slices 有什么区别？

Question

我有一个表示为形状为 (num_features, num_examples) 的 NumPy 矩阵的数据集，我希望将其转换为 TensorFlow 类型 tf.Dataset。

我正在努力理解这两种方法之间的区别:Dataset.from_tensors 和 Dataset.from_tensor_slices。什么是正确的，为什么？

TensorFlow 文档 (link) 说这两种方法都接受张量的嵌套结构，尽管在使用 from_tensor_slices 时，张量在第 0 维中应该具有相同的大小。

Answer 1

from_tensors 组合输入并返回具有单个元素的数据集:

>>> t = tf.constant([[1, 2], [3, 4]])
>>> ds = tf.data.Dataset.from_tensors(t)
>>> [x for x in ds]
[<tf.Tensor: shape=(2, 2), dtype=int32, numpy=
 array([[1, 2],
        [3, 4]], dtype=int32)>]

from_tensor_slices 为输入张量的每一行创建一个包含单独元素的数据集:

>>> t = tf.constant([[1, 2], [3, 4]])
>>> ds = tf.data.Dataset.from_tensor_slices(t)
>>> [x for x in ds]
[<tf.Tensor: shape=(2,), dtype=int32, numpy=array([1, 2], dtype=int32)>,
 <tf.Tensor: shape=(2,), dtype=int32, numpy=array([3, 4], dtype=int32)>]