python - tf.data.Dataset.padded_batch 以不同方式填充每个特征

Question

我有一个包含 3 个不同特征的 tf.data.Dataset 实例

• label 这是一个标量
• sequence_feature 这是一个标量序列
• seq_of_seqs_feature 这是序列特征的序列

我正在尝试使用 tf.data.Dataset.padded_batch() 生成填充数据作为我模型的输入 - 我想以不同方式填充每个特征。

示例批处理:

[{'label': 24,
  'sequence_feature': [1, 2],
  'seq_of_seqs_feature': [[11.1, 22.2],
                          [33.3, 44.4]]},
 {'label': 32,
  'sequence_feature': [3, 4, 5],
  'seq_of_seqs_feature': [[55.55, 66.66]]}]

预期输出:

[{'label': 24,
  'sequence_feature': [1, 2, 0],
  'seq_of_seqs_feature': [[11.1, 22.2],
                          [33.3, 44.4]]},
 {'label': 32,
  'sequence_feature': [3, 4, 5],
  'seq_of_seqs_feature': [[55.55, 66.66],
                           0.0, 0.0    ]}]

如您所见，label 特征不应该被填充，而 sequence_feature 和 seq_of_seqs_feature 应该被相应的最长条目填充给定的批处理。

Answer 1

tf.data.Dataset.padded_batch() 方法允许您为生成的批处理的每个组件(特征)指定 padded_shapes。例如，如果您的输入数据集名为 ds:

padded_ds = ds.padded_batch(
    BATCH_SIZE,
    padded_shapes={
        'label': [],                          # Scalar elements, no padding.
        'sequence_feature': [None],           # Vector elements, padded to longest.
        'seq_of_seqs_feature': [None, None],  # Matrix elements, padded to longest
    })                                        # in each dimension.

请注意，padded_shapes 参数与输入数据集的元素具有相同的结构，因此在这种情况下，它采用一个字典，其中的键与您的特征名称相匹配。