python - Tensorflow 数据集上的分片操作是确定性的吗？

Question

Tensorflow 数据集具有分片 操作，可创建给定数据集的唯一子集。

我们可以使用它来分区数据集，如下所示:

import tensorflow as tf
source_dataset = tf.data.Dataset.range(100)

number_of_partitions = 4
subset_one = source_dataset.shard(number_of_partitions, 0)
subset_two = source_dataset.shard(number_of_partitions, 1)
subset_three = source_dataset.shard(number_of_partitions, 2)

这个分区是确定性的吗？即上面的 3 个子集总是被赋予相同的元素？

documentation关于分片的说明如下:

Creates a Dataset that includes only 1/num_shards of this dataset.

This dataset operator is very useful when running distributed training, as it allows each worker to read a unique subset.

Answer 1

是的，绝对。这是一个确定性操作。

在上面的示例中，subset_one 包含第一个元素、第五个元素等 ([0,4,8, ...])，而 subset_two 包含 [1,5,9, ...] 等等。