如何在TensorFlow中切片数据集？

问题描述

我想在tf.data中切片数据集。我的数据是这样的：

dataset = tf.data.Dataset.from_tensor_slices([[0,1,2,3,4],[1,4,5],[2,5,6],[3,6,7],[4,7,8]])

那么主要数据是：

[0 1 2 3 4]
[1 2 3 4 5]
[2 3 4 5 6]
[3 4 5 6 7]
[4 5 6 7 8]

我想创建其他包含如下数据的张量数据集：

       [[1,2],3],[5,6]]

在numpy中是这样的：

dataset[:,1:3]

如何在TensorFlow中做到这一点？

更新：

我这样做是

dataset2 = dataset.map(lambda data: data[1:3])
for val in dataset2:
    print(val.numpy())

但是我认为有很好的解决方案。

解决方法

我认为您的解决方案是最好的解决方案。为了社区的利益，我正在使用tf.data.Dataset的{​​{3}}方法对数据集进行切片（对代码进行小的语法更改）。

请参考下面的代码

import tensorflow as tf

dataset = tf.data.Dataset.from_tensor_slices([[0,1,2,3,4],[1,4,5],[2,5,6],[3,6,7],[4,7,8]])


dataset2 = dataset.map(lambda data: data[1:3])
for val in dataset2.as_numpy_iterator():
    print(val)

输出：

[1 2]
[2 3]
[3 4]
[4 5]
[5 6]