Tensorflow.js tf.data.Clase de conjunto de datos

Tensorflow.js es una biblioteca de código abierto desarrollada por Google para ejecutar modelos de aprendizaje automático y redes neuronales de aprendizaje profundo en el entorno del navegador o del Node.

La clase Tensorflow.js tf.data.Dataset representa la gran colección de datos. Los datos pueden ser una array, un mapa o una primitiva, o pueden ser cualquier estructura anidada de este tipo de datos. El tipo de datos está en alguna colección ordenada de datos. Podemos realizar los diversos métodos sobre estos datos. Este método da como resultado un nuevo conjunto de datos. 

Sintaxis: 

tf.data.method(args);

Parámetros: Este método acepta el siguiente parámetro:

• args: no es lo mismo para todos los métodos, puede ser diferente para diferentes métodos.

Valor devuelto: Devuelve un conjunto de datos del mismo tipo que la entrada.

Ejemplo 1:  En este ejemplo, veremos el método batch(). Agrupa elementos en lotes. Acepta dos argumentos batchSize, que es la longitud del grupo, y smallLastBatch, que es un valor booleano que le dice a la impresión del último lote si tiene una longitud pequeña. 

// Importing the tensorflow.js library
const tf = require("@tensorflow/tfjs")
 
// Creating tenst dataset of array
const array = [[1, 4, 6], [2, 5, 7],
    [3, 6, 8], [4, 7, 9], [5, 8, 11]];
 
// Making dataset with array
const gfg = tf.data.array(array);
 
// Creating new dataset
const GFG = gfg.batch(2);
 
// Printing Dataset
GFG.forEachAsync(Q => Q.print());

Producción:

Tensor
    [[1, 4, 6],
     [2, 5, 7]]
Tensor
    [[3, 6, 8],
     [4, 7, 9]]
Tensor
     [[5, 8, 11],]

Ejemplo 2: En este ejemplo, veremos el método shuffle(). Se utiliza para mezclar elementos del conjunto de datos. Toma el tamaño del búfer, que es el número a partir del cual comenzará el elemento aleatorio, y la semilla se usa para crear una semilla aleatoria para la distribución del elemento, o el último argumento es reorganizar cada_iteración, que es un valor booleano que indica que se reorganice aleatoriamente cuando itera sobre el conjunto de datos

// Importing the tensorflow.js library
const tf = require("@tensorflow/tfjs")
 
// Creating Dataset  
const gfg_array = [4, 8, 12, 16, 20];
const gfg = tf.data.array(gfg_array);
 
// Prefetching data from dataset
const GFG_array = gfg.shuffle(5);
 
// Printing data from array
GFG_array.forEachAsync( tm => console.log(tm))

Producción:

8
20
4
16
12

Referencia: https://js.tensorflow.org/api/latest/#class:data.Dataset