tensorflow - 如何拆分 Tensorflow 数据集？

Question

我有一个基于 .tfrecord 文件的 tensorflow 数据集。如何将数据集拆分为测试和训练数据集？例如。 70% 训练和 30% 测试？

编辑:

我的 Tensorflow 版本:1.8
我已经检查过，可能的副本中没有提到“split_v”函数。此外，我正在使用 tfrecord 文件。

Answer 1

您可以使用 Dataset.take()和 Dataset.skip() :

train_size = int(0.7 * DATASET_SIZE)
val_size = int(0.15 * DATASET_SIZE)
test_size = int(0.15 * DATASET_SIZE)

full_dataset = tf.data.TFRecordDataset(FLAGS.input_file)
full_dataset = full_dataset.shuffle()
train_dataset = full_dataset.take(train_size)
test_dataset = full_dataset.skip(train_size)
val_dataset = test_dataset.skip(test_size)
test_dataset = test_dataset.take(test_size)

为了更一般性，我举了一个使用 70/15/15 train/val/test split 的例子，但如果你不需要测试或验证集，只需忽略最后两行。

Take :

Creates a Dataset with at most count elements from this dataset.

Skip :

Creates a Dataset that skips count elements from this dataset.

您可能还想查看 Dataset.shard() :

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