如何使用 tf.data.Dataset.from_generator() 向生成器函数发送参数？

Posted 2023-02-23

【中文标题】如何使用 tf.data.Dataset.from_generator() 向生成器函数发送参数？

【英文标题】：How do you send arguments to a generator function using tf.data.Dataset.from_generator()?

【发布时间】：2019-02-25 20:05:00

【问题描述】：

我想使用from_generator() 函数创建多个tf.data.Dataset。我想向生成器函数 (raw_data_gen) 发送一个参数。这个想法是生成器函数将根据发送的参数产生不同的数据。通过这种方式，我希望raw_data_gen 能够提供训练、验证或测试数据。

training_dataset = tf.data.Dataset.from_generator(raw_data_gen, (tf.float32, tf.uint8), ([None, 1], [None]), args=([1]))

validation_dataset = tf.data.Dataset.from_generator(raw_data_gen, (tf.float32, tf.uint8), ([None, 1], [None]), args=([2]))

test_dataset = tf.data.Dataset.from_generator(raw_data_gen, (tf.float32, tf.uint8), ([None, 1], [None]), args=([3]))

当我尝试以这种方式调用from_generator() 时收到的错误消息是：

TypeError: from_generator() got an unexpected keyword argument 'args'

这里是raw_data_gen 函数，虽然我不确定你是否需要这个函数，因为我的直觉是问题出在from_generator() 的调用上：

def raw_data_gen(train_val_or_test):

    if train_val_or_test == 1:        
        #For every filename collected in the list
        for filename, lab in training_filepath_label_dict.items():
            raw_data, samplerate = soundfile.read(filename)
            try: #assume the audio is stereo, ready to be sliced
                raw_data = raw_data[:,0] #raw_data is a np.array, just take first channel with slice
            except IndexError:
                pass #this must be mono audio
            yield raw_data, lab

    elif train_val_or_test == 2:
        #For every filename collected in the list
        for filename, lab in validation_filepath_label_dict.items():
            raw_data, samplerate = soundfile.read(filename)
            try: #assume the audio is stereo, ready to be sliced
                raw_data = raw_data[:,0] #raw_data is a np.array, just take first channel with slice
            except IndexError:
                pass #this must be mono audio
            yield raw_data, lab

    elif train_val_or_test == 3:
        #For every filename collected in the list
        for filename, lab in test_filepath_label_dict.items():
            raw_data, samplerate = soundfile.read(filename)
            try: #assume the audio is stereo, ready to be sliced
                raw_data = raw_data[:,0] #raw_data is a np.array, just take first channel with slice
            except IndexError:
                pass #this must be mono audio
            yield raw_data, lab

    else:
        print("generator function called with an argument not in [1, 2, 3]")
        raise ValueError()

【参考方案1】：

您需要基于raw_data_gen 定义一个不带任何参数的新函数。您可以使用lambda 关键字来执行此操作。

training_dataset = tf.data.Dataset.from_generator(lambda: raw_data_gen(train_val_or_test=1), (tf.float32, tf.uint8), ([None, 1], [None]))
...

现在，我们将一个不带任何参数的函数传递给from_generator，但它只是充当raw_data_gen，参数设置为1。您可以对验证集和测试集使用相同的方案，分别通过 2 和 3。

【讨论】：

太完美了。非常感谢。这是 from_generator() 不能接受参数的当前错误吗？还是我只是误解了文档？

哦，对了，我忘了他们添加了args 的东西。这是一个最近的更新，显然是在 1.9 中引入的。也许您使用的是过时版本的 Tensorflow？

该死，你是对的。我正在使用一个版本并阅读另一个版本的文档...再次感谢！

【参考方案2】：

对于 TensorFlow 2.4：

training_dataset = tf.data.Dataset.from_generator(
     raw_data_gen, 
     args=(1), 
     output_types=(tf.float32, tf.uint8), 
     output_shapes=([None, 1], [None]))

【讨论】：

我遇到了这个解决方案的问题 - args 被转换为类似字节的对象