tensorflow dataset_ops shuffle()方法 （随机重新排列此数据集的元素）

  def shuffle(self, buffer_size, seed=None, reshuffle_each_iteration=None):
    """Randomly shuffles the elements of this dataset.
    随机重新排列此数据集的元素。

    Args:
      buffer_size: A `tf.int64` scalar `tf.Tensor`, representing the
        number of elements from this dataset from which the new
        dataset will sample.
        
        tf.int64标量tf.Tensor，表示此数据集中要从中采样新数据集的元素数。
        
      seed: (Optional.) A `tf.int64` scalar `tf.Tensor`, representing the
        random seed that will be used to create the distribution. See
        `tf.set_random_seed` for behavior.
        
        tf.int64标量tf.Tensor，表示将用于创建分布的随机种子。 
        有关行为，请参见“ tf.set_random_seed”。
        
      reshuffle_each_iteration: (Optional.) A boolean, which if true indicates
        that the dataset should be pseudorandomly reshuffled each time it is
        iterated over. (Defaults to `True`.)

	布尔值，如果为true，则表示每次迭代数据集时都应伪随机地重排。 （默认为“ True”。）

    Returns:
      Dataset: A `Dataset`. 数据集：一个“数据集”。
    """
    return ShuffleDataset(self, buffer_size, seed, reshuffle_each_iteration)

# -*- coding: utf-8 -*-
"""
@File    : 191208_test_Eager_execution_once_cls.py
@Time    : 2019/12/8 12:25
@Author  : Dontla
@Email   : sxana@qq.com
@Software: PyCharm
"""

import tensorflow as tf

tf.enable_eager_execution()

ds_tensors = tf.data.Dataset.from_tensor_slices([1, 2, 3, 4, 5, 6])

print(type(ds_tensors))  # <class 'tensorflow.python.data.ops.dataset_ops.TensorSliceDataset'>
print(type(ds_tensors.map(tf.square)))  # <class 'tensorflow.python.data.ops.dataset_ops.MapDataset'>
print(type(ds_tensors.map(tf.square).shuffle(2)))  # <class 'tensorflow.python.data.ops.dataset_ops.ShuffleDataset'>
print(type(
    ds_tensors.map(tf.square).shuffle(2).batch(2)))  # <class 'tensorflow.python.data.ops.dataset_ops.BatchDataset'>

来源：CSDN

作者：Dontla

链接：https://blog.csdn.net/Dontla/article/details/103486351