将特征列中的tensorflow张量重塑为训练样本

Question

目前我的数据集看起来像:

feat_1 = tf.random.uniform(
shape=[8000,1],
minval=0,
maxval=1,
dtype=tf.dtypes.float32,
seed=1123,
name=None
)
feat_2 = tf.random.uniform(
shape=[8000,24],
minval=0,
maxval=1,
dtype=tf.dtypes.float32,
seed=1123,
name=None
)
feat_3 = tf.random.uniform(
shape=[8000,26],
minval=0,
maxval=1,
dtype=tf.dtypes.float32,
seed=1123,
name=None
)
# Current_state
dataset = (feat_1, feat_2, feat_3)

我如何在tensorflow中重塑它，使数据集的形状相反:(8000,3)其中3是三个特征张量的记录?

so而不是have:((8000，)， (8000,24)， (8000,26))我想要一个8000长的张量每个项看起来是这样的((1，)， (24，)， (26，))

Answer 1

iuc，您可以尝试使用tf.data.Dataset.from_tensor_slices:

import tensorflow as tf
feat_1 = tf.random.uniform(
shape=[8000,1],
minval=0,
maxval=1,
dtype=tf.dtypes.float32,
seed=1123,
name=None
)
feat_2 = tf.random.uniform(
shape=[8000,24],
minval=0,
maxval=1,
dtype=tf.dtypes.float32,
seed=1123,
name=None
)
feat_3 = tf.random.uniform(
shape=[8000,26],
minval=0,
maxval=1,
dtype=tf.dtypes.float32,
seed=1123,
name=None
)
dataset = tf.data.Dataset.from_tensor_slices((feat_1, feat_2, feat_3))
for x, y, z in dataset.take(1):
print(x.shape, y.shape, z.shape)
# (1,) (24,) (26,)

否则，如果你想要单个张量，你也可以考虑使用不规则张量或tf.tuple。