উইন্ডোজের (নেস্টের) একটি ডেটাসেটে ইনপুট উপাদানগুলিকে একত্রিত করে।
একটি "উইন্ডো" হল `আকার` আকারের ফ্ল্যাট উপাদানগুলির একটি সীমিত ডেটাসেট (অথবা সম্ভবত কম যদি উইন্ডোটি পূরণ করার জন্য যথেষ্ট ইনপুট উপাদান না থাকে এবং `ড্রপ_অবশিষ্ট` মিথ্যা মূল্যায়ন করে)।
'শিফ্ট' আর্গুমেন্ট ইনপুট উপাদানের সংখ্যা নির্ধারণ করে যার দ্বারা উইন্ডোটি প্রতিটি পুনরাবৃত্তিতে চলে। `k`তম উইন্ডোর প্রথম উপাদানটি হবে উপাদান
1 + (k-1) * shift
যদি `স্ট্রাইড` প্যারামিটার 1-এর বেশি হয়, তাহলে প্রতিটি উইন্ডো এড়িয়ে যাবে `(স্ট্রাইড - 1)` উইন্ডোতে প্রদর্শিত প্রতিটি উপাদানের মধ্যে ইনপুট উপাদান। আউটপুট উইন্ডোতে এখনও `আকার` উপাদান থাকবে `স্ট্রাইড` এর মান নির্বিশেষে।
'স্ট্রাইড' আর্গুমেন্ট ইনপুট উপাদানগুলির অগ্রগতি নির্ধারণ করে, এবং 'শিফ্ট' আর্গুমেন্ট উইন্ডোর স্থানান্তর নির্ধারণ করে।
উদাহরণস্বরূপ, `{...}` কে একটি ডেটাসেট উপস্থাপন করতে দেওয়া:
- `tf.data.Dataset.range(7).window(2)` উৎপন্ন করে `{ {0, 1}, {2, 3}, {4, 5}, {6} }` - `tf.data। Dataset.range(7).window(3, 2, 1, True)` উৎপন্ন করে `{ {0, 1, 2}, {2, 3, 4}, {4, 5, 6} }` - `tf. data.Dataset.range(7).window(3, 1, 2, True)` উৎপন্ন করে `{ {0, 2, 4}, {1, 3, 5}, {2, 4, 6} }`
মনে রাখবেন যে যখন 'উইন্ডো' রূপান্তরটি নেস্টেড উপাদানগুলির একটি ডেটাসেটে প্রয়োগ করা হয়, তখন এটি নেস্টেড উইন্ডোগুলির একটি ডেটাসেট তৈরি করে৷
যেমন:
- `tf.data.Dataset.from_tensor_slices((range(4), range(4))).window(2)` উৎপন্ন করে `{({0, 1}, {0, 1}), ({2, 3) }, {2, 3})}` - `tf.data.Dataset.from_tensor_slices({"a": range(4)}).window(2)` উৎপন্ন করে `{ {"a": {0, 1} }, {"a": {2, 3} } }`
ধ্রুবক
| স্ট্রিং | OP_NAME | এই অপের নাম, টেনসরফ্লো কোর ইঞ্জিন দ্বারা পরিচিত |
পাবলিক পদ্ধতি
| আউটপুট < TType > | আউটপুট হিসাবে () টেনসরের প্রতীকী হ্যান্ডেল ফেরত দেয়। |
| স্ট্যাটিক উইন্ডো ডেটাসেট | তৈরি করুন ( স্কোপ স্কোপ, অপারেন্ড <?> ইনপুটডেটাসেট, অপারেন্ড < TInt64 > সাইজ, অপারেন্ড < TInt64 > শিফট, অপারেন্ড < TInt64 > স্ট্রাইড, অপারেন্ড < TBool > dropRemainder, List<Class<? প্রসারিত TType >> outputTypes > List আউটপুট আকার) একটি নতুন WindowDataset অপারেশন মোড়ানো একটি ক্লাস তৈরি করার কারখানা পদ্ধতি। |
| আউটপুট <?> | হ্যান্ডেল () |
উত্তরাধিকারসূত্রে প্রাপ্ত পদ্ধতি
ধ্রুবক
সর্বজনীন স্ট্যাটিক চূড়ান্ত স্ট্রিং OP_NAME
এই অপের নাম, টেনসরফ্লো কোর ইঞ্জিন দ্বারা পরিচিত
পাবলিক পদ্ধতি
সর্বজনীন আউটপুট < TType > asOutput ()
টেনসরের প্রতীকী হ্যান্ডেল ফেরত দেয়।
TensorFlow অপারেশনের ইনপুট হল অন্য TensorFlow অপারেশনের আউটপুট। এই পদ্ধতিটি একটি সিম্বলিক হ্যান্ডেল পেতে ব্যবহৃত হয় যা ইনপুটের গণনার প্রতিনিধিত্ব করে।
পাবলিক স্ট্যাটিক উইন্ডোডেটাসেট তৈরি করুন ( স্কোপ স্কোপ, অপারেন্ড <?> ইনপুটডেটাসেট, অপারেন্ড < TInt64 > সাইজ, অপারেন্ড < TInt64 > শিফট, অপারেন্ড < TInt64 > স্ট্রাইড, অপারেন্ড < TBool > dropRemainder, List< Class<? প্রসারিত TTypes , >> List < আকৃতি > আউটপুট আকৃতি)
একটি নতুন WindowDataset অপারেশন মোড়ানো একটি ক্লাস তৈরি করার কারখানা পদ্ধতি।
পরামিতি
| সুযোগ | বর্তমান সুযোগ |
|---|---|
| আকার | একটি পূর্ণসংখ্যা স্কেলার, একটি উইন্ডোতে একত্রিত করার জন্য ইনপুট ডেটাসেটের উপাদানগুলির সংখ্যা উপস্থাপন করে। ইতিবাচক হতে হবে। |
| স্থানান্তর | একটি পূর্ণসংখ্যা স্কেলার, ইনপুট উপাদানের সংখ্যা প্রতিনিধিত্ব করে যার দ্বারা প্রতিটি পুনরাবৃত্তিতে উইন্ডোটি চলে। ডিফল্ট `সাইজ`। ইতিবাচক হতে হবে। |
| অগ্রসর | একটি পূর্ণসংখ্যা স্কেলার, স্লাইডিং উইন্ডোতে ইনপুট উপাদানগুলির অগ্রগতির প্রতিনিধিত্ব করে। ইতিবাচক হতে হবে। 1 এর ডিফল্ট মান মানে "প্রতিটি ইনপুট উপাদান ধরে রাখুন"। |
| বাদ বাকি | একটি বুলিয়ান স্কেলার, যেটির আকার `উইন্ডো_সাইজ` এর থেকে ছোট হলে শেষ উইন্ডোটি বাদ দেওয়া উচিত কিনা তা প্রতিনিধিত্ব করে। |
রিটার্নস
- WindowDataset এর একটি নতুন উদাহরণ