python - tensorflow 数据集:如何将我的函数应用于每批数据集
问题描述
假设我有一个名为 的数据集ds_train
,它来自本地 csv 文件。它实际上是一个句子列表。因此,对于每批 ds,它是一批句子。目前,我使用函数get_pairs
将每个批次转换为句子对。您可以简单地认为我从这批中随机获得了成对的句子。反正就是整批上的一个函数,比如32、64句。
for step, trunk in ds_train.enumerate():
samples = trunk['content'].numpy()
pairs = get_pairs(samples)
并且我使用train_step
方法对每一步迭代训练句子对分类模型。
我想问的是如何将get_pairs
函数应用到数据集管道中,因此我可以model.fit
直接在数据集流上进行训练,数据集流由每个样本的句子对组成。
提前致谢。
解决方案
推荐阅读
- javascript - 在jquery中将两个输入字段计算为具有多个表行的第三个输入字段
- java - Rest 方法:返回 XML 集合而不是正确分组
- protocol-buffers - “协议缓冲区”这个名称从何而来?
- c++ - tensorflow C++ 批量推理
- reactjs - 更新的页面没有在嵌套路由中使用“history.push”重新渲染
- swift - Swift Generics - 无法推断通用参数“T”
- python - Python 递归骑士之旅
- angularjs - 通过 angularjs 调用 Web API 返回奇怪的数据格式
- scala - Scala中case语句中的cons运算符
- r - 如何扩大文本的输出窗口?