পাবলিক ফাইনাল ক্লাস স্যাম্পলিং ডেটাসেট
একটি ডেটাসেট তৈরি করে যা অন্য ডেটাসেটের বিষয়বস্তুর একটি Bernoulli নমুনা নেয়।
এই ডেটাসেট তৈরির জন্য `tf.data` Python API-তে কোনো রূপান্তর নেই। পরিবর্তে, এটি `filter_with_random_uniform_fusion` স্ট্যাটিক অপ্টিমাইজেশনের ফলে তৈরি হয়েছে। এই অপ্টিমাইজেশনটি সঞ্চালিত হবে কিনা তা `tf.data.Options` এর `experimental_optimization.filter_with_random_uniform_fusion` বিকল্প দ্বারা নির্ধারিত হয়।
পাবলিক পদ্ধতি
| আউটপুট <অবজেক্ট> | আউটপুট হিসাবে () একটি টেনসরের প্রতীকী হ্যান্ডেল প্রদান করে। |
| স্ট্যাটিক স্যাম্পলিং ডেটাসেট | |
| আউটপুট <?> | হাতল () |
উত্তরাধিকারসূত্রে প্রাপ্ত পদ্ধতি
পাবলিক পদ্ধতি
সর্বজনীন আউটপুট <অবজেক্ট> হিসাবে আউটপুট ()
একটি টেনসরের প্রতীকী হ্যান্ডেল প্রদান করে।
TensorFlow অপারেশনের ইনপুট হল অন্য TensorFlow অপারেশনের আউটপুট। এই পদ্ধতিটি একটি প্রতীকী হ্যান্ডেল পেতে ব্যবহৃত হয় যা ইনপুটের গণনাকে প্রতিনিধিত্ব করে।
পাবলিক স্ট্যাটিক স্যাম্পলিংডেটাসেট তৈরি করুন ( স্কোপ স্কোপ, অপারেন্ড <?> ইনপুটডেটাসেট, অপারেন্ড <ফ্লোট> রেট, অপারেন্ড <লং> বীজ, অপারেন্ড <লং> বীজ 2, তালিকা< ক্লাস<?>> আউটপুট টাইপস, তালিকা< আকৃতি > আউটপুট আকার)
একটি নতুন স্যাম্পলিং ডেটাসেট অপারেশন মোড়ানো একটি ক্লাস তৈরি করার কারখানার পদ্ধতি।
পরামিতি
| সুযোগ | বর্তমান সুযোগ |
|---|---|
| হার | নমুনা হার প্রতিনিধিত্বকারী একটি স্কেলার। `ইনপুট_ডেটাসেট`-এর প্রতিটি উপাদান এই সম্ভাব্যতার সাথে ধরে রাখা হয়, অন্য সব উপাদান থেকে স্বাধীন। |
| বীজ | এলোমেলো সংখ্যা জেনারেটরের বীজ প্রতিনিধিত্বকারী একটি স্কেলার। |
| বীজ2 | এলোমেলো সংখ্যা জেনারেটরের বীজ2 প্রতিনিধিত্বকারী একটি স্কেলার। |
রিটার্নস
- স্যাম্পলিং ডেটাসেটের একটি নতুন উদাহরণ